براي مجموعه اي از مناطق جغرافيايي، مشاهدات مربوط به متغيرهاي مختلف،مناطق نزديك به هم خصوصيات مشابه بيشتري در مقايسه با مناطق دورتر از هم دارند. اين ويژگي در علم جغرافيا به قانون اول تابلر مشهوراست. خصوصيت يادشده بر اين نكته تأكيد ميكند كه همبستگي بين مشاهدات جمع آوري شده از مناطق نزديك به هم، بالاتر از همبستگي بين مشاهدات مناطقي است كه از هم فاصله دارند. اين همبستگي در بين متغيري مانند عملكرد محصول در مناطق همسايه در قالب الگوهاي خودرگرسيوني خاص كه الگوهاي خودرگرسيون فضايي (مكاني) ناميده ميشود، بيان و شدت آن در چهارچوب اين الگوها با استفاده از ضريب همبستگي فضايي تعيين ميشود.

  در واقع اين الگو يك الگوي رگرسيوني استاندارد است كه يك متغير كه وقفة فضايي متغير وابسته است به آن افزوده شده است. معمولاً در تجزيه و تحليل رگرسيون كلاسيك فرض بر اين است كه اجزاي اخلال الگو مستقل هستند اما دادههاي فضايي اجزاي اخلال ممكن است همبسته باشند و ساختار همبستگي آنها تابعي از موقعيت قرار گرفتن مشاهدات در فضاي مورد بررسي باشد

براي تدوين الگوهاي خودرگرسيون فضايي، اولين قدم ايجاد ماتريس همسايگي يا ماتريس وزنهاي فضايي است براي ايجاد ماتريس وزنهاي فضايي روشهاي مختلفي مطرح شده است كه مهمترين آنها تعريف ماتريس وزنهاي فضايي بر اساس مجاورت و تعريف ماتريس به منزلة تابعي از فاصله است.