上一篇文章发出来之后，M姐拧这我耳朵教育了我半小时：
这个问题，实际上在空间分析（统计）和空间计量（经济）学两个领域，早就打得不可开交了……空间分析里面，特别是作为空间分析工具，本身是不考虑用于运算的数据是否合理，也就是你扔什么数据进去，我就给你算什么结果出来。
而空间计量学里面，哪些指标可以用于进行分析，是需要有严格理论基础的。空间分析（统计）讲究的是指标结果，不考虑指标选取，而空间计量经济学的指标选取是具有导向的。也就是说空间计量经济学是所谓理论驱动，政策导向的学科。
既然已经聊到这个问题了，那么我们今天先来说说，什么样的数据可以用于插值。
首先，从插值的目的说起。
插值的目的并非生成新的数据，它的核心目的是用于补全未观测到的数据。
画重点——”补全“
也就是说，你插值出来的结果，是这个区域本身应该有的结果，而不是无中生有的结果。
比如降雨、气温、空气质量这种数据，你的观测站记录的数据，只是真实的数据的一小部分，其他的区域，并非没有数据，而是没有被观测到，它们是客观存在的。
这是插值的第一核心要务，并非生成新的数据，而是推算以补全没有被观测或者没有被记录到的数据。
其次，从插值的结果说起。
插值的结果，是记录有观测数据的连续栅格曲面
画重点——”连续“
也就是说，它的结果必然是连续的，而且不会出现空缺。
插值生成的结果会铺满整个研究区域，每个栅格都会具有一个独立的数值，这个数值代表的是这个区域里面的被预测出来的结果：
上面M姐说到的用人口数据做插值，实际上就违背了上面两个规则，如果用人口数据做插值，得到结果可能是这样的：
人口采样，代表是一个区域范围，其他区间不代表可以通过这个点上面的值进行预测……如果要强行预测，把数值都填写进去之后，整个区间被完全覆盖，那么数值的整体可信度自然就比较尴尬了。
那么下面我们来总结一下，哪些数据不能用于插值呢？
首先，累积聚合类的统计数据是不能用于插值的，比如人口采样数据，又比如什么车辆数据采样（我见过用道路车辆数据来插值预测整个城市交通情况的……我要是他的导师：
还有诸如案件数量、供水能力、投资金额、动植物数量……等等这些，一句话，你的采样值如果是通过聚合得来的数据，统统不能用来插值。
其次，结果为表达为离散的数据，也是不能进行插值的，比如平均身高，或者平均收入这种，理论上，平均身高和平均体重，可以通过插值来进行预测，也不会出现最终累积，但是这种有样本类型的数据，只能分布在有人类活动区域才有效，城市内可以，但是荒郊野外呢？长江大河上？海洋荒岛上？这种数据，用插值的时候，需要特别注意，可以认为是有限定条件的来使用插值。
而可以用于插值的数据有哪些呢？
首先，就是自然科学类的数据（原则还是一样：非聚合值）——自然界客观存在，且不以人为意志所变更的数据，比如气温气压、降雨降水、高程、空气质量、土壤化合物含量、地下矿产储量（地统计学的原始研究对象）等等。
其次是与自然科学有关的人类活动观测数据，比如空气污染，比如水体污染，但是这些数据在使用的时候，会有限定条件：比如河流污染源插值，你的污染源还能向河流上游蔓延么？
第三，一些具有区域化特征的人文社科数据，也可以用于插值，比如在城市范围内，用采样区域的房价数据，来预测整个城市的房价分布。但是这样的预测，也需要注意各种限定条件。
所以，插值分析虽然是空间分析的helloworld级应用，但是不是万能的，使用的时候一定要多加注意。
待续未完。