Sam（宏观生态学中的空间分析）是一个设计为空间统计分析工具包的程序，主要用于表面模式空间分析。萨姆主要用于宏观生态学和生物地理学领域，也用于保护生物学、社区和人口生态学、地理学、地质学、人口学、计量经济学、心理学和流行病学。简而言之，如果你是一个科学家，研究地理结构的模式和过程，山姆就是你要找的！

全球50多个国家的数千名科学家将山姆作为他们统计分析的主要工具。事实上，一篇发表在《全球生态学和生物地理学》杂志上的论文宣布，科学界每年有大约50篇新的引文被引用。它显示了有多少山姆被接受，并作为一个有价值的科学分析工具使用。

是的，也许没有免费的午餐，但是有免费的山姆！它在微软视窗下运行得很漂亮，并且有一个用户友好的、菜单驱动的图形界面。您只需点击鼠标，就可以使用所有这些神奇的工具！只需下载Sam，您很快就会注意到Sam安装非常简单，使用非常直观。

2010年6月发布了一个SAM更新（v4.0），改进和修复了v3.1中的一些问题。我们感谢成百上千的SAM用户通过发送建议和报告错误来促进SAM的发展。上一个SAM版本（v3.1）于2009年4月发布，与早期版本相比有所改进。你不认为这是可能的，但山姆图形界面现在更好了！带有酷图标的快捷按钮可以在分析过程中随时将最常用的统计方法放在您身边。如果您对Sam中的任何图形感兴趣，只需按住Ctrl键并右键单击它将图形或图形数据复制到剪贴板，然后可以将剪贴板粘贴到任何程序中。

我们确信您会对新的模型选择和多模型推理模块感到兴奋。数据探索和模型拟合从来都不是那么容易和直观。只需选择潜在的解释变量，让Sam应用Akaike信息准则（AIC）找到最节俭的线性模型。轻点三下！

想基于存在/缺失数据研究物种的地理分布吗？确保检查新的逻辑回归模块，这使得二元线性建模非常容易和直观。

如果您有理由认为多个空间结构的过程正在驱动您的数据，那么您应该尝试新的地理加权回归（GWR）模块。空间显式局部回归从来都不是那么容易和有趣！像往常一样，在Sam中，所有由分析产生的地图都将在您的鼠标可及范围内！

SAM中的数据管理非常简单！SAM与文本文件（.txt）、数据库表（.dbf）、Excel电子表格（.xls）和.SHP

萨姆对CPU很友好！这意味着如果您有一台多核计算机，Sam将利用计算能力同时执行多个计算。你会注意到山姆是一个非常强大的轻软件！
忘记那些昂贵的命令行统计软件包，这些软件包中充满了键盘命令，每次需要分析新的数据集时都必须记住这些命令。现在你不再需要问你的同事关于你总是忘记的那个特别命令（每个人都会这样）。只需单击鼠标，您就可以在屏幕上以简洁的形式快速获得所需的所有结果，包括分析结果或图形结果。

SAM完全集成到GIS世界，允许用户从ESRI形状文件导入数据并将数据导出到ESRI形状文件。您可以使用GIS地图模块对统计分析结果进行详细调查，也可以将数据保存在形状文件中，以在另一个GIS平台中打开。告别软件间数据传输的浪费：Sam读取和写入所有文件格式！

该程序有一个图形界面，专门为直观的探索性数据分析而设计。每个模块都有一整套分析和图形结果，当您要求SAM计算一些统计数据时，这些结果会自动显示，允许模型计算和评估之间的交互。但不是全部！为了方便起见，每次计算新模型时，Sam不需要那些唠叨停止来重新评估残差中的空间自相关，它只是瞬间分析残差空间结构！

有了Sam，您将体验到表面模式的最新统计空间分析。看看山姆给你的：

1)几个图形选项，包括二维或三维散点图。用于直接从图中探索数据值的工具。立即将多项式调整到散射点的6阶。简单快速的三维散点图平滑工具。

2)除了很酷的图形，图形选项总是很方便，您只需在任何图形中按住Ctrl键并单击鼠标右键即可将图形或图形数据复制到剪贴板，使其可以粘贴到您感兴趣的任何程序中（例如MS Word、MS Exel）。

3)利用SAM中的地理信息系统映射模块，它是在空间统计软件中设计的地理信息系统最用户友好的图形界面。通过将数据打开并保存为该文件格式，并促进与GIS软件的接口，Sam现在与ESRI shapefile完全兼容。

4)映射数据以直观地探索空间结构。可以使用马赛克或内插曲面。此外，轮廓线也可以用来增强空间格局。

5)使用新的“Pattern Finder”工具选择散点图中的区域，并在地图和电子表格中自动突出显示这些区域。当然，反方向也很容易！

6)轻松创建任意或根据几个网络标准在采样位置之间建立连接网络，如Delaunay三角测量、Gabriel、相对邻域、最小Spannin树、距离间隔。网络在SAM中可用于广泛的空间分析。

7)如果您的变量违反了兴趣分析的假设，您可以尝试Sam中提供的几个方便的数学转换中的任何一个。

8)使用主成分分析（PCA），轻松减少数据的维度，将信息合成为几个变量，避免了共线性和冗余。

9)利用自相关系数分析数据中的空间结构，如Moran I和半方差。Sam提供了一个非常灵活的工具，允许您根据空间距离（平面或测地）或网络连接计算自相关系数。意义也可以通过随机程序来检验。如果你在寻找半方差，这个模块就是你的！您可以根据八个不同的模型计算并轻松地参数化它。但是，如果您在数据中寻找精细的空间自相关结构，您可以使用并保存基于局部Moran\’s I的空间自相关局部指标（Lisa），该指标可以通过随机程序进行测试。

10)使用趋势面分析（TSA）或邻域矩阵空间滤波器（PCNM，也称为“基于特征向量”的空间滤波器）的主坐标过滤数据中的大尺度或小尺度空间趋势。

11)搜索空间异常值，根据空间位置将变量的值与预期值相散射。

12)通过使用k均值程序进行聚类分析，找出相似的观察组。此外，在sam中，k-均值可以在空间上受到约束，以便找到在空间中相邻的类似观测点。

13)计算变量之间的一般相关性，并根据空间自相关的大小修正其意义，估计正确的自由度。

14)使用Sam的高度直观的图形界面对变量建模，以执行线性回归分析。检查您的模型结果，包括剩余空间自相关，并随时轻松地即时重新计算您的模型。如果您愿意，可以使用部分回归在解释变量或空间趋势本身引起的解释程度之间进行划分。

15)我们确信您会对新的模型选择和多模型推理模块感到兴奋。数据探索和模型拟合从来都不是那么容易和直观。只需选择潜在的解释变量，让Sam应用Akaike信息准则（AIC）找到最节俭的线性模型。轻点三下！

16)想基于存在/缺失数据研究物种的地理分布吗？确保检查新的逻辑回归模块，这使得二元线性建模非常容易和直观。

17)可以很容易地尝试几种Sam中可用的自回归模型。通过滞后模型中可用的纯自回归模型估计自回归参数和空间自相关的大小。或者，过滤响应和预测变量，确保模型的结果不受空间趋势的影响。

18)尝试一个直接的，教学和互动的两步空间广义最小二乘法（空间GLS，或克里格回归）。

19)使用众所周知的自回归模型来建模您的数据：同步自回归模型（sar）、条件自回归模型（car）或移动平均模型（ma）。

20)如果您有理由认为多个空间结构的过程正在驱动您的数据，那么您应该尝试新的地理加权回归（GWR）模块。空间显式局部回归从来都不是那么容易和有趣！像往常一样，在Sam中，所有由分析产生的地图都将在您的鼠标可及范围内！