Aprender haciendo es mi manera preferida. Y cuando se trata de estadísticas espaciales, R es llegar serio poderosa herramienta. Así que si esto es una opción de navegar a través de algunos de los materiales del curso, la descarga de datos, y tratar de hacerlo usted mismo.
Algunos puntos de partida que cubre la autocorrelación espacial (SA) (y en general el manejo espacial cosas en R):
Centro de Estudios en Demografía y Ecología (CDSE) de la Universidad de Washington proporciona materiales de Espacial R taller.
Instituto para la Cuantitativa en Ciencias Sociales en la Universidad de Harvard tiene materiales de la Estadística Espacial Aplicada en I taller que cubre SA.
Departamento de geografía de la Universidad de Colorado ofrece materiales en la SA como parte de su Introducción a los Métodos Cuantitativos curso.
Una vez que usted consigue una cierta familiaridad con R puede la pareja con PostgreSQL usando PL/R - R Lengua de Procedimiento para PostgreSQL, pero no puedo comentar sobre esto ya que no estoy bien informado sobre el tema.
Python puede ser otra alternativa. PySAL es desarrollado activamente y bien documentado de la biblioteca, que te permitirá aplicar todos los de la GeoDa funcionalidad, incluyendo SA (y lo más probable, incluso más). Python y Postgresql son generalmente buenos amigos por lo que invertir algo de tiempo usted podría más probabilidades de casarse los dos así.
