本书的翻译对一些新研究者来说提供了一个令人激动的学习机会。本书介绍了空间计量经济学的建模方法,它涉及到环境保护、土地利用、交通规划、流行病、区域经济增长、劳动力市场、商品和劳动力流动、贸易流动以及地理信息等建模的研究，与之相关的实践者将会发现，空间计量经济学模型是非常有用的。<br />在处理由空间中的区域、区位点或区位构成的样本数据时，区位特征变量的变化，经常会对邻近区域或区位的结果变量产生影响，这种现象被称之为空间溢出。而空间回归模型能定量地分析溢出效应的大小和空间范围。关于用本书所描述的空间回归模型完成这些任务的能力，我们已经收到了大量积极的反馈。<br />如果使用假设特定位置观测值独立于相邻位置观测值的非空间回归方法，就会出现一些问题。例如，忽略了邻近地区空间溢出效应的收益-成本收益分析，就会低估总收益，并产生不正确的分析结果。<br />地理信息系统（GIS）当前和未来的发展，对特定类型区位数据进行空间计量建模的需要日益增强。在中国未来发展中，可能涉及到大量适合于空间计量学建模的现象。过去人口从农村到城市持续流动的现象，就可以用本书开始所提出的空间交互模型来解释，这些模型可以让研究者发现，出发地和目的地之间特征变量的变化，是如何影响出发地和目的地之间以及邻近出发地和目的地之间的劳动力流动。与中国经济快速增长相伴的土地使用方式的变化，它反映了对区位依赖的选择，也可使用本书最后一章中所描述的空间离散模型来分析。对于通勤者的交通使用方式，土地使用方式的变化，同时也改变了上班通勤方式和空间选择模式。中国各地高速铁路连通性的发展，也改变了地区间空间邻近的概念。地区间流动的物理距离和实际障碍的作用变化，对我们如何设定空间邻接矩阵是非常重要的，这也是本书模式比较这章中讨论的一个主题。<br />亚洲经济的快速增长，将会改变消费和生产的地理方式。这为研究者分析终会产生的特定区位变化提供了大量的机会；同时，在分析这些现象和做出相关政策结论时，空间计量经济学模型是特别有用的。<br />本书一个重要焦点，就是实践者过去在应用空间回归模型时经常对估计系数做出不当解释的问题。你会发现，对估计系数的解释如同对标准回归模型估计的解释那样，用偏导数度量了因变量（结果变量）对自变量（特征变量）变动的反应变化，这在早期的空间计量经济学文献中几乎是普遍发生的。我们会证明这将是错误的，并建议使用描述性标量度量法，它提供了一个简单的方法，可以解释一个地区相关自变量的变化对该地区结果变量的影响以及对邻近地区的溢出效应。

詹姆斯 ∙ 勒沙杰（James LeSage），德克萨斯州立大学（圣马科斯）麦考伊工商管理学院金融经济系教授，经济学博士。勒沙杰教授是区域科学领域最有影响力的学者之一，也是该领域著作被引用次数最多的学者之一，在Journal of Econometrics, Journal of Applied Econometrics, Journal of Regional Science等国际知名学术期刊上发表论文60余篇，并为Journal of Political Economy, Review of Economics and Statistics等众多知名学术期刊审稿人。
凯利 ∙ 佩斯（R.Kelley Pace）是路易斯安那州立大学金融系教授，房地产学博士。佩斯教授的主要研究领域是房地产金融，已在Journal of Real Estate Finance and Economics, Real Estate Economics等国际知名学术期刊上发表论文20余篇。