很多传统的区域分布图是点密度图，即在图上用小点的密集程度表示各个区域内的平均值的差异情况，但点密度图不能描绘点事件的确切位置。比例圈是解决这个问题的一个方法，因为圆圈的中心可以置于区域单元内的任何点的位置。但是，如何保证比例圈既能以一种有效的方式呈现数据的变化趋势，又能够避免各个圈之间相互遮盖，是使用比例圈要解决的问题（Longley et al.，2001）。另外，属性值是由各个单独的样本数据聚集到某个区域中的，而这些区域往往是由人们出于行政管理的方便或者便于数据统计而武断地划定出来的，因此我们必须考虑这种区域任意划分对分析结果的影响：我们观察到的空间格局其实是区域边界任意选择和变量自身空间分布特征共同作用的结果。这就是通常所说的可变面元问题（MAUP）。当我们在分析社会经济和人口数据的时候，这个问题就更加突出，因为数据所在的区域很少是依据数据本身的特性而划定的。要解决可变面元问题是很困难的，一个较理想的办法是尽可能地避免使用区域聚集数据。在一个空间数据分析的应用中，如在流行病学和犯罪行为研究中，无须累计数据至人为划定的区域，而只需对点数据进行分析就能够得到很有价值的结果。当然，在很多研究中，这种方法未必可行，我们还不得不接受从区域单元中得到的数据，由此得到的统计结果的合理性，是以所用数据存储的特定区域划分为条件的。最后，我们必须认识到，任何针对格局和关系进行分析的统计结果都不可避免地依赖于所使用的特定分区方式。通常，除非我们有很好的理由，否则对数据的分析应该基于可获得的最小区域单元，而避免将数据聚集到人为划定的更大区域。如果有可能，我们应该检查对于同一数据集的不同的分区方案所得到的推断结论。对于大区域支配的问题，即保持几何面积与形状不变的区域地图，一个解决方法是按照各区域单元属性值的区际比例调整每个区域单元的几何面积，同时保持各个单元的空间邻接关系。以这种方式制作的地图被称为统计地图（Bailey and Gatrell，1995）。统计地图缺乏平面上的正确性，并且歪曲了一些特定对象的地球面积或者距离等信息，其目标一般在于显示一些在传统地图上不易表达的属性空间分布模式。如此一来，空间对象在区域范围、空间位置、邻接关系、几何形状和拓扑关系等方面的完整性，相比于对屙陛值或者空间关系等需要强调的方面而言就变得次要了。
展开
