Учиться на практике - мой любимый способ. И когда дело доходит до пространственной статистики, R становится действительно мощным инструментом. Так что, если это вариант, просмотрите некоторые материалы курса, загрузите данные и попробуйте сами.
Несколько начальных точек, охватывающих пространственную автокорреляцию (SA) (и вообще говоря, обработку пространственных вещей в R):
Центр исследований в области демографии и экологии (CSDE) при Вашингтонском университете предоставляет материалы с семинара Spatial R.
Институт количественных социальных наук при Гарвардском университете имеет материалы из семинара « Прикладная пространственная статистика в R», посвященного SA.
Географический факультет Университета Колорадо предлагает материалы по SA в рамках курса « Введение в количественные методы» .
Когда вы немного познакомитесь с R, вы можете связать его с PostgreSQL, используя процедурный язык PL / R - R для PostgreSQL , но я не могу комментировать его, так как не разбираюсь в этой теме.
Python может быть другой альтернативой. PySAL - это активно разработанная и хорошо документированная библиотека, которая позволит вам реализовать все функциональные возможности GeoDa, включая SA (и, скорее всего, даже больше). Python и Postgres, как правило, хорошие друзья, поэтому потратив некоторое время, вы, скорее всего, тоже поженитесь на этих двоих.