当然 p值拒绝原假设都在1%水平下显著了。。。

你把Z值当做t值看就好了，很显著，说明用空间计量分析是合理的~

在进行Moran's I检验时，通常会得到一个Moran's I指数、p值和z值。这些统计量可以帮助我们理解数据的空间自相关程度。

- Moran’s I指数：这个指数的范围一般在-1到+1之间（理论上可以超出这个区间，但在实际应用中很少见）。正值表示正空间自相关，即邻近点具有相似属性；负值则表明反空间自相关或非随机分布。
  
- p值：用于检验Moran's I指数是否显著地偏离了零。如果p值小于设定的显著性水平（如0.05），这通常意味着观测到的空间自相关不是由偶然性引起的，而是具有统计上的意义。

- z值：是I指数标准化后的结果，它表示I指数与期望值之间的差距以标准差为单位。z值用于量化这种偏差的程度，绝对值越大，表明偏差越显著。

在你的情况下：

1. P值为0通常意味着非常小的p值（例如小于0.001），这在统计软件中可能被四舍五入到零。这意味着观测到的空间自相关性极不可能是偶然发生的。
   
2. Z值很大，表示你的Moran's I指数与期望值之间有显著差异。

3. 缺乏显著性的符号（如星号）可能是因为所用的软件或程序包没有自动标注这些符号，但这并不影响结果的有效性。p值和z值已经提供了足够的信息来判断空间自相关是否显著。

因此，在你的案例中，大Z值结合极小（理论上为0）的P值强烈表明数据集中的变量具有显著的空间自相关性。这意味着相邻观测值更可能有相似的属性值，而非随机分布。

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用