空间正相关是指高或低的变量值在空间聚类，两点间彼此邻近则变量的相似程度越高，意味着某种程度的连续性和光滑性越高。在分权重估计模型时组织邻近（Wsevenarea）的空间自相关系数为负值（Moran I＝-0.236），在样条相关图中也出现空间负相关，故确实有必要研究空间负相关的情况。探讨空间负相关容易发现的空间环境是什么？其回归模型推理的结果是什么？空间负相关（Negative spatialautocorrelation，简称NSA）是指：某个位置的周围邻居相同变量具有明显不同的值。说明不同地区的制度创新、经济发展等方面异质性较强和差异性显著。

由于空间数据大多存在正空间依赖性，因此，在进行评估、估计、测试空间依赖性时，大多数文献集中在正空间依赖性研究，研究负空间依赖的实证文献出现的较晚，也不多见，一些实证研究发现两种空间依赖，但分别估计系数，且参数负值被排除在模拟研究之外（Anselin etal.，1996），比较Moran I和Rao得分（Rao's score；RS），但只报告单向的Rao得分结果（Anselin和Rey，1991）。探索负自相关现象，可更好地了解和有效发现负空间自相关，以及诊断隐藏在模型误设中的负空间自相关（Griffith，2006）。Griffth和Arbia（2010）实证研究表明，在什么情况下负空间自相关可能发生和可能被正空间自相关所掩蔽。Yu-Hsien Kao和Anil K.Bera（2013）具体说明改变存在负空间相关时模型估计方法和评价方法。用案例实证分析表明，空间自相关负值会导致未经调整的联合检验与单向检验相矛盾的结果。基于未调整的检验统计量可以拒绝联合零假设H0：Φ＝ψ＝0，但不能拒绝单向试验：H0：Φ＝0或H0：ψ＝0。另一方面，调整后的统计数据空间依赖性系数显著不等于0，联合测试结果与估算结果的t统计一致。不同空间权重矩阵的结果相似。Debarsy和Dejardin（2010）强调部门内部的空间异质性。将这一定量分析结果扩展到跨部门的空间异质性研究尚未开发。Yunlong Gong等（2014）发现房价的正相关性在城市间距离350 km内随着地理距离增大单调减小，城市间距离超过450 km似乎呈现房价负相关。并指出负相关的一个解释可能与研究区域的南部（浙江南部）通常比北部更发达（江苏北部）有关。

国内空间负相关研究领域类似国外，如经济实力（黄飞飞，2009；张雅杰，2015）、区域就业的研究、区域城市化水平（马子量，2014）、跨境购物、区域就业研究、外商直接投资（杨成钢，2014）、产业转移和区位选择（魏守华，2015）等领域，其中常见关于区域竞争的领域（Griffth，2008；Griffth，Arbia，2010；Raul Ramos，JordiSuriñach，Manuel Artís，2009，2010；Elhorst，2014；孙晓华，2015），如财政支出、福利、人力资源等方面的竞争，其衡量的指标和原因解释并不完全一致。有三个常用的局域统计量研究局部空间自相关：Moran散点图、局域空间关联指标（LISA）和G统计量。Moran散点图（Anselin，1996）分为四个象限，象限HH和LL代表空间正相关，而象限HL、LH描述空间负相关。Moran I指数的主要缺点是，即使确定位于哪个象限，也没办法评估显著性。因此，Moran散点图与局域空间关联指标（LISA）联合使用。国内主要运用Moran散点图HL、LH象限和局域空间关联指标（LISA）分析负自相关现象（唐运舒，2014；矫萍，2015；魏守华，2015），在选择Moran I指数时采用全域Moran I的较多（吴玉鸣，2009；黄飞飞，2009；唐运舒，2014；魏守华，2015；张雅杰，2015），也有采用局域Moran I的（马子量，2014；矫萍，2015）。逐渐增多的研究将自回归系数负值作为负自相关的表示（吴玉鸣，2009；孙晓华，2015）。其中，吴玉鸣（2009）较早地结合负值的全域Moran I和空间负效应系数来分析能源效率的收敛过程。其他几种测量方法包括修正的MC、RS得分，样条相关图几乎没有见到。如表5.8所示，根据马歇尔的“生物学”观点以及现实类似情况，本书将用于生物基因检验的全相关非参数可置换检验程序（Peter Smouse，1999；Gisselle Perdomo，2013）也列入测算方法，Gisselle Perdomo（2013）从生物学角度归纳空间负自相关的原因：过于相似，没有不同；过多的遗传距离；过多差异，没有距离等（more similar，less dissimilar，more genetic distance：more difference，less distance）。他认为负空间自相关是指个体不相似（过多差异）超过预期。测量方法都是针对特定尺度的，一个变量通常不可能衡量所有尺度的负相关。因此在可能区域内相邻子区域之间显示较强的负自相关，同时在整个区域显示强烈的正相关（F.Goodchild，2001）。(www.daowen.com)

表5.8　空间负相关的测度、表现形式和原因汇总

正相关、负相关、零相关这种结构发生在各领域，通常多个进程同时行动，影响自相关水平。影响空间分布的环境因子通常是规模很大的空间结构，从而导致正的自相关。生物过程，如个体或种属间在各水平的竞争行动，产生负自相关。大多数情况下，物种分布的空间异质性是由于这两个进程同时影响，因此可以同时包括正的和负的空间自相关。从中国实践来看，以上各种原因均有可能。全域的同质性或（和）异质性是各层面空间结构中局域正自相关、负自相关和零相关的集合。具有高度相关性的集聚区域内各省份可能存在激烈竞争，或相似度过高，如权重取Wseverarea或Wcd时的情况；也可能高度集聚区周围的省份发展较快，如Wcd或Wseverarea时的情况；或一些地区高度正相关，导致平均水平偏低，如可能W lattlong时的情况。