1、弄清楚原理。空间计量经济是在普通计量经济的基础上发展起来的。普通计量经济的一大假设是各个观测值是独立的，这个假设在空间数据中不成立。因为在一定的空间结构下（空间结构通过空间权重矩阵来描述），各观测值是空间相关的。简单来说，就是空间距离越近的观测，其值越相似。要记住，空间相不相关，并不是绝对客观的，取决于你所决定的空间权重矩阵，而空间权重矩阵是人为决定的。如你将300km距离内设定相邻，可能空间相关；当你设定为1000km时，相关性可能就会消失。
PS：所谓空间数据，就是每个观测都有位置坐标。简单来说，就是在普通观测数据表上另外多加两列x与y，其中x表示横坐标，y表示纵坐标。坐标系统定好后，每个观测数据就有了空间位置，从而可以计算各个观测单元的空间距离。

2、掌握两个基本模型：空间滞后模型和空间误差模型。前者是将因变量的空间滞后值作为自变量纳入回归，其动机为，距离相近的空间单元为什么值相似，是因为存在溢出效应。如上海的经济发达了，就会通过人员流动、资本流动和贸易往来等溢出到浙江，从而浙江经济也会跟着增长。因此，浙江的经济发展，除了本身的要素投入之外，部分应归功于上海的经济发展，所以要把上海的GDP作为浙江省的自变量来研究它对浙江GDP的影响。实际中，某省有多个邻近省份，所以要取这些邻近省份的平均值，这就是空间滞后值。
空间误差模型是将各观测的误差项设定为空间相关。其动机为，某些因素会共同影响彼此相邻的空间单元，从而造成这些空间单元的值相似。如好几个距离相近的小区旁边有一个绿化很美的公园，当然会部分地抬高这几个小区的房价，使得这几个小区房价类似。再如，沿海省份因为国家的开放政策，率先受益，因此相对中西部省份来说，他们的GDP都有共同性，普遍偏高。如果空间相关是因为共同影响因素引起的，由于这些因素一般没有纳入模型，因此误差项包含了这些共同影响因素的影响，从而会造成误差项的空间相关；但如果把这些共同影响因素考虑进来，将其效应剔除出误差，则剩余的误差项就不会相关了。
简而言之，空间相关性基本上由两种机制引起：一是局部地区的彼此溢出效应、外部性等；二是局部区域的共同影响因素。

3、模型估计。空间滞后模型将因变量的空间滞后值作为自变量进行回归，这实际上是双向影响，会造成严重的内生性问题；空间误差模型中的误差相关其实原理与空间滞后模型一样，估计上也存在双向影响问题和误差项相关问题（观测间通过误差相关彼此影响，又通过空间权重矩阵传导到自身）。因此，空间计量模型一般不采用OLS估计方法，多用最大似然法或GMM法。估计程序，其实不需要我们掌握，会用软件就行。

4、软件应用。一是空间权重矩阵的构建，二是模型估计。横截面数据，Geoda足以应付，免费，傻瓜，直接，高效，让我们感谢Anselin。去看看Anselin编的Geoda操作手册，几天包会。求人不如求己，比上论坛求助高效多了。

5、其他软件。Arcgis，也能达到目的。但不那么人性化，好用性比Geoda差。但玩熟后可以做Geoda做不了的事情。毕竟Arcgis功能要强大得多。如果要一心免费，且想随心所欲，那么，研习R，可编程，可扩展，重要的是，有很多扩展包，功能齐全。spdep扩展包可做很多事情，包括计算空间自相关系数和进行横截面的空间回归分析。如果自己足够牛，在扩展包和既有函数基础上，自己编程，想干啥就干啥。这个过程，至少需要一、两年的功夫。

6、空间面板数据分析。有stata、R和Matlab。stata有很多函数，功能齐全，自己网上搜索资料，仔细看函数说明文件。R主要是splm。Matlab主要是Elhorst编的程序，很简单，设置好数据矩阵和空间权重矩阵，以及参数接口，后面的事情程序会自动运行，给出结果。这里，关键是如何设空间权重矩阵。我一般的做法是：Geoda生成gal或gwt文件，然后用R中的read.gal或read.gwt2nb函数读入，再用nb2listw转换为标准化的空间权重矩阵，然后用listw2mat转成矩阵对象，最后用write.csv写成csv格式文件，用Excel2010直接打开就成了，可用于matlab的空间面板计量经济分析。