地理学报，2017年1月，王劲峰，徐成东
基本思想：假设研究区分为若干子区域，如果子区域的方差之和小于区域总方差，则存在空间分异性；如果两变量的空间分布趋于一致，则两者存在统计关联性。
核心思想：如果某个自变量对某个因变量有重要影响，那么自变量和因变量的空间分布应该具有相似性
分异及因子探测：探测Y的空间分异性；以及探测某因子X多大程度上解释了属性Y的空间分异。用q值度量，q的值域为[0,1]，值越大说明Y的空间分异性越明显；如果分层是由自变量X生成的，则q值越大表示自变量X对属性Y的解释力越强，反之则越弱。
风险区探测：用于判断两个子区域间的属性均值是否有显著的差别，用t统计量来检验。如果在置信水平α下拒绝H0，则认为两个子区域间的属性均值存在着明显的差异。
交互作用探测：识别不同风险因子Xs之间的交互作用，即评估因子X1和X2共同作用时是否会增加或减弱对因变量Y的解释力，或这些因子对Y的影响是相互独立的。评估的方法是首先分别计算两种因子X1和X2对Y的q值。
生态探测：用于比较两因子X1和X2对属性Y的空间分布的影响是否有显著的差异，以F统计量来衡量：其中零假设H0：SSWX1＝SSWX2。如果在α的显著性水平上拒绝H0，这表明两因子X1和X2对属性Y的空间分布的影响存在着显著的差异。
这个插件的操作非常简单，主要是要分析背后的隐含的关系，以及进一步挖掘和解释数据的含义。