Local spatial autocorrelation (SA) measures have been used in exploratory spatial data analysis, particularly in detecting spatial clusters. Existing local SA measures, however, are likely unreliable and biased because they compare only estimates among neighboring spatial units, ignoring errors associated with these estimates. The spatial Bhattacharyya coefficient (SBC) compares probability distributions by considering both estimates and their standard errors. Therefore, it was proposed to be a global SA measure. This article argues that the local version of SBC can serve as a local SA statistic, addressing the deficiency of existing local SA statistics that fail to consider estimate error in their formulations. Significance tests for local SBC are conducted under conditional and total randomization assumptions by using a generalized randomization approach. Simulation experiments and empirical analyses of American Community Survey data show that local SBC complements traditional local SA measures by incorporating data reliability information of estimates in SA assessment. This study shows that the direct comparison of estimate distributions in neighboring units in local SBC is more similar to the comparison of neighboring estimates in local Geary than to the comparison of mean deviations in local Moran. Thus, local SBC can effectively detect zonal boundaries.

局部空间自相关 (SA) 度量已用于探索性空间数据分析，特别是在检测空间集群中。然而，现有的局部 SA 度量可能不可靠且有偏差，因为它们仅比较相邻空间单元之间的估计值，而忽略了与这些估计值相关的错误。空间 Bhattacharyya 系数 (SBC) 通过考虑估计值及其标准误差来比较概率分布。因此，建议将其作为一项全球性 SA 措施。本文认为，本地版本的 SBC 可以作为本地 SA 统计量，解决现有本地 SA 统计量在其公式中未考虑估计误差的不足。局部 SBC 的显着性检验是在条件和完全随机化假设下通过使用广义随机化方法进行的。美国社区调查数据的模拟实验和实证分析表明，本地 SBC 通过在 SA 评估中纳入估计的数据可靠性信息来补充传统的本地 SA 措施。这项研究表明，与本地 Moran 中的平均偏差比较相比，本地 SBC 中相邻单元中估计分布的直接比较更类似于本地 Geary 中相邻估计的比较。因此，局部 SBC 可以有效地检测区域边界。美国社区调查数据的模拟实验和实证分析表明，本地 SBC 通过在 SA 评估中纳入估计的数据可靠性信息来补充传统的本地 SA 措施。这项研究表明，与本地 Moran 中的平均偏差比较相比，本地 SBC 中相邻单元中估计分布的直接比较更类似于本地 Geary 中相邻估计的比较。因此，局部 SBC 可以有效地检测区域边界。美国社区调查数据的模拟实验和实证分析表明，本地 SBC 通过在 SA 评估中纳入估计的数据可靠性信息来补充传统的本地 SA 措施。这项研究表明，与本地 Moran 中的平均偏差比较相比，本地 SBC 中相邻单元中估计分布的直接比较更类似于本地 Geary 中相邻估计的比较。因此，局部 SBC 可以有效地检测区域边界。