Aprender fazendo é o meu caminho preferido. E quando se trata de estatística espacial, o R está ficando uma ferramenta seriamente poderosa. Portanto, se essa é uma opção, navegue através de alguns materiais do curso, faça o download dos dados e tente você mesmo.
Poucos pontos de partida que cobrem a autocorrelação espacial (SA) (e geralmente tratando de coisas espaciais em R):
O Centro de Estudos em Demografia e Ecologia (CSDE) da Universidade de Washington fornece materiais do workshop Spatial R.
O Institute for Quantitative Social Science da Harvard University possui materiais do workshop Estatística Espacial Aplicada em R , cobrindo a SA.
O Departamento de Geografia da Universidade do Colorado oferece materiais sobre SA como parte de seu curso Introdução aos métodos quantitativos .
Depois de familiarizar-se com o R, você pode associá-lo ao PostgreSQL usando a linguagem de procedimentos PL / R-R para o PostgreSQL , mas não posso comentar sobre isso, pois não conheço o assunto.
Python pode ser outra alternativa. O PySAL é uma biblioteca ativamente desenvolvida e bem documentada que permitirá implementar todas as funcionalidades do GeoDa, incluindo o SA (e provavelmente, ainda mais). Python e Postgres geralmente são bons amigos, portanto, investindo algum tempo, é provável que você também se case com esses dois.