در گذشته تحلیل فضایی جرم به نمایش کارتوگرافیک کانون‏های مهم حوادث بزهکاری محدود می‏شد، اما با گسترش پایگاه داده‏ها و افزایش جرایم، به تکنیک‏های جدیدتری برای تحلیل الگوهای فضایی آنها نیاز بود. امروزه برای تحقق این امر از روش‏های مختلفی استفاده می‏شود؛ از جمله این تکنیک‏ها، تحلیل اکتشافی داده‏های فضایی است که برای دانشمندان علوم اجتماعی مجموعه‏ای از ابزارها را برای تمایز بین الگوهای فضایی تصادفی و غیر تصادفی [1] نقاط وقوع جرم فراهم می‏کند . بنابراین، هدف از این مقاله نیز استفاده از ESDA برای تبیین الگوهای سرقت مسکونی است. با به کارگیری آماره‏های محلی و کلی [2] Moran's I و LISA به عنوان رویکردهای ESDA ، به دنبال تحلیل "خود همبستگی" فضایی الگوهای سرقت مسکونی بر اساس حوزه‏های سرشماری و شاخص‏های اقتصادی و اجتماعی در شهر زاهدان هستیم. یافته‏های شاخص کلی Moran's I نشان داد بین توزیع الگوهای سرقت مسکونی و مهاجرت با میزان 5767/0 درصد و همچنین، برای شاخص محلی LISA نیز مهاجرت با همان مقدار، ولی شاخص استاندارد شده بیشتر در فضای جغرافیایی، "خود همبستگی" بالایی نسبت به سایر فاکتورها دارد و این نشان می‏دهد که توزیع الگوها غیرتصادفی است و سبک زندگی و فعالیت روزمره می‏تواند زمینه‏های قربانی شدن را فراهم کند. توزیع فضایی سرقت مسکونی و ارتباط آن با شاخص‏های اقتصادی و اجتماعی نشان داد که ESDA می‏تواند به خوبی فرایندهای پخش را تبیین کند. کاربرد ESDA برای کشف الگوهای سرقت مسکونی نشان داد که سارقان برای انتخاب اهداف و مکان‏ها دست به انتخاب عقلایی می‏زنند. در نهایت، کشف الگوهای سرقت مسکونی در شهر زاهدان، وجود تجمع فضایی معنی‏داری از ارزش‏های بالا- بالا و پایین- پایین و همچنین "خود همبستگی" فضایی‏های منفی را به خوبی نشان داد. مناطقی که دارای الگوهای فضایی بالا-بالا و پایین- پایین هستند، می‏توانند اطلاعات فضایی خوبی برای اتخاذ راهبردهای مبارزه با جرایم باشند. از طرفی دیگر، نتایج نشان داد که سبک زندگی و فعالیت روزمره مناطق جرم‌خیز را آسیب‏پذیرتر می‏کند. به بیانی دیگر، منطقه فاقد نگهبان کار می‏شود.

  2 Random and Non-Random Spatial Patterns

  3 Local and Global Statistics