与所有地统计插值方法一样，区域插值中的预测准确性取决于模型的准确性。了解此事项后，在地统计向导 中构建有效模型时应多加注意。
构建有效模型
与所有地统计插值方法一样，区域插值中的预测准确性取决于模型的准确性。了解此事项后，在地统计向导 中构建有效模型时应多加注意。
由于 ArcGIS Geostatistical Analyst 扩展模块中的区域插值是通过克里金框架实现的，因此交互式变异分析是构建模型的重要步骤。通常很难从视觉上判断协方差曲线的质量，因此为每个经验协方差(下图中的蓝十字)提供了置信区间(下图中的红色垂直线段)。如果正确指定了协方差模型，预计有 90% 的经验协方差落在置信区间内。在下图中，12 个经验协方差中的 11 个落入置信区间内，1 个点略超出置信区间。这表明模型与数据相符，结果可信。
默认协方差曲线与数据的拟合度通常较差。在这种情况下，需要更改地统计向导 第 2 步的变异分析参数。拟合适合的协方差曲线通常很困难，而获得更好的拟合效果的最佳途径就是练习，不过以下一些经验法则可以帮助您拟合理想模型：
减少步长大小值，直到经验协方差不再为负值。
如果模型仍然不拟合，则尝试使用类型参数。K-Bessel 和稳定的模型是最实用的模型，不过处理时间也最长。
如果找到一个几乎拟合的步长大小和类型的组合，则尝试减小格网间距值。但请注意，减小格网间距将会快速增加处理时间。“格网间距”参数将在下面的“面插值的新参数”部分介绍。
如下图所示，如果在地统计向导 的第 2 步将变量更改为半变异函数，则这些点的半变异函数曲线(下图中的蓝线)可能不会通过置信区间。这并不是问题，良好模型的条件也不会改变：如果大部分经验半方差落在置信区间内，则可以确信模型的准确性。
区域插值的新参数
在地统计向导 中，将有三个未在其他克里金方法中出现的参数：
1、格网间距 - 为评估点协方差，每个面都与一个方形格网叠加，并为格网中的每个交点都分配一个点。“格网间距”参数用于指定各个点之间的水平和垂直距离。如果格网间距足够大以致于面无法接收点，点将置于其质心。较小的格网间距会使得预测更精确，但也会增加处理时间。例如，将格网间距切割为一半时，处理时间将比原有时间长四倍。
2、置信度 - 为半变异函数/协方差曲线的置信区间指定置信度。如果模型正确，该值表示应落在置信区间内的经验协方差/半方差的百分比。请注意，点半变异函数线并不一定要落在置信区间内。此参数仅用于诊断;其值不会影响预测。
3、过度离散参数 - 仅适用于事件(过度离散泊松)计数数据。在泊松计数数据中，经常会观察到过度离散(差异大于泊松模型的预期值)。“过度离散”参数可以帮助更正这一点。该参数等同于负二项式分布的反离散参数。
所有其他参数与其他克里金方法中的相应参数含义相同。
局限性
与所有克里金方法相同，区域插值也存在多个可能阻止您查找数据有效模型的限制。
非稳态
一种最严格的克里金假设是假设数据的平稳性。平稳性假设任意两个面数据值之间的统计关系仅取决于面之间的距离。例如，人口通常集中到城市，而只有少数人居住在城市之间的区域。这种假设可能会引起面插值问题，因为在平稳性的前提下，人口密度应在区域内平滑变化;因此，您应该不会在最接近极低人口密度的区域看到极高的人口密度。针对这种不稳定数据，拟合有效的区域插值模型将十分困难(如果可能)。
大小差异巨大的面
如果其中某些面与最大的面相比面积较小，那么该软件可能无法区别这些最小的面，而将其处理为重合面。这是因为“格网间距”参数将对这些面进行离散化，并且多个面可表示为格网中的单个点。区域插值不支持重合面，因此这会导致错误。要解决此错误，请执行以下步骤：
1、使用查找相同的和删除相同的工具来定位和删除重合面。如果未检测到任何重合面或移除操作也不能解决此错误，请继续下一步骤。
2、手动降低格网间距直到软件能够区别这些面。不过，快速降低格网间距会延长计算时间。如果您发现处理所需的格网间距耗时过长，请继续下一步骤。
3、取消选择要素类中的最小面，以便不在计算中使用。