在前面的话：白话空间统计系列还继续更新，因为这段时间在对《使用R语言进行空间统计》系列进行翻译翻译和编写，所以白话空间统计系列和使用R语言进行空间统计可能会交替出现，给大家的阅读带来的不便，请大家谅解（其实虾神想说的心里话是：你们需要的去翻虾神的历史文章，复习一下前面的内容吧！喔呵呵呵呵！)

前文再续，书接上一回。 继续说热点分析与热度图的问题。 最简单的热度图是没有任何属性要求的，一个点，就是一个值，既没有权重，也没有属性约束。但是实际上，每个点代表什么意义，要对那些属性进行分析，这些都是很重要的。 引用毛博士的名言：凡是不考虑属性的空间分析，都是耍流氓…… 当然，热度图因为其对信息的描述简洁明了，为广大人民群众喜闻乐见，所以专业领域的“热点分析”就被很多人脑补成了热度图。 不过正如易经里面的“观”卦所言：童观，小人无咎，君子吝。也就是说幼稚的观点，对于庶民百姓，芸芸众生来说是很合理的，因为这种思想符合他们的身份地位。但是对于有志于教化天下的君子来说，还抱持这样幼稚的观点，就是一种耻辱了。 换成同样喜闻乐见的俗话，就是：外行看热闹，内行看门道。 好了情怀问题到此结束，下面还是回到理工科的路子上来。 首先热点分析用的算法，依然是Getis-Ord Gi*，看到这个名词是不是觉得很眼熟啊？没错，就是在高/低值聚类的时候说过的那个Getis-Ord General G算法的局部版本。所以称为Getis-Ord Gi*，也就是美国乔治敦大学麦克多诺商学院(McDonough School of Business)的J. Keith Ord和圣地亚哥州立大学地理系的Arthur Getis，即下面这两位老帅哥提出的：

关于Getis-Ord General G算法的具体描述，大家去看白话空间统计十四章里面的内容。 类比一下全局Moran's I和局部Moran's I的说法，把名称一换，就可以类比出Getis-Ord General G和Getis-Ord Gi*的不同了，如下图(偷懒一下，直接用老图片了）：

Getis-Ord Gi*会给你输入的每一个要素一个值，而不是所有的要素给出一个整体值。 因为其与Local Moran's I非常相像，所以我下面将他与Local Moran's I做一个简单的比较：

最后我们来看一个结果（以下结果用R语言编写，脚本和数据在下期放出）

这是2004年美国大选，对各县区对小布什的投票数进行的热点分析，可以看见最高热的区域就是德克萨斯州……这也是老布什和小布什两代总统的家乡，小布什在当选总统之前，于1995年-2000在德州当了5年的州长，必须的老根据地。 还有一个很有意思的地方，就是有钱人多的地方，对小布什的投票都是低值聚类，比如加州，比如纽约……小布什同学当选，难道就是传说中的“得屌丝者得天下”么？ 好吧，关于美国选举格局的解读，我们这些技术宅的并不在行。不过最后要强调的一点还是，热点图和热度图完全不相干……如果用热度图的方式来解读这张图的话，小布什怎么可能当选？大家说是吧。 待续未完