不同地域有着不同的经济发展模式,数据空间维度的存在,使得以时间维度为核心的传统统计学方法,由于存在严格的假定,如样本在均质空间中独立同分布,在处理空间数据时不够精确。作为新兴的多维度数据处理方法,空间统计学有效地解决了经典计量经济学由于空间自相关和空间异质性产生的一系列问题。本文介绍了两种空间数据分析方法：一是空间计量经济模型,二是地统计学模型。分别从经济和环境两个角度出发,对空间数据分析进行实证讨论,空间计量经济模型选取江苏经济数据对经济发展的空间相关性进行分析,利用地统计学模型探讨PM2.5空间变异性及其影响因素。本文选取了2011年江苏省区域经济数据,运用Moran指数1分析江苏省各市经济发展的空间特征,并利用空间计量经济模型对江苏省的区域经济增长及影响因素进行探讨。结果表明,江苏省各城市间表现出较强的空间聚集性,存在空间自相关性；江苏省各城市经济发展存在着紧密的空间联系,人口资本和城市化进程对经济增长发挥着重要作用；引入空间权重矩阵后,拟合结果较传统线性回归有明显的改进。PM2.5是造成空气污染的重要因素之一,为了对江苏省PM2.5空间变异性进行研究,以江苏省PM2.5监测站数据,利用地统计模型,分析江苏省13市大气中PM2.5的污染程度。结果表明,普通克里格法的指数模型较球状模型和高斯模型更为适合；晴、雨、雪都是中等的变异性,其空间变化是由结构性因素和随机性因素共同作用的结果；晴天的块金系数为16.7%,空间相关性较强,而雨雪天气的空间相关性较弱,证实了雨雪天气对PM2.5有着较大的影响。