本文对三个监测年的流感样病例监测数据进行了空间分析研究,研究对象为连续36个月30个省(直辖市、自治区)的内科以及儿科的流感样病例就诊百分比数据。通过运用过度危险地图、重心模型、全局空间自相关模型、局域空间自相关模型等方法,探索流感监测数据中蕴含的我国大陆地区季节性流感的时空分布规律。　　 通过绘制每月过度危险地图,识别出内科以及儿科的季节性流感样病例就诊百分比监测数据在省级区域水平上的异常高值区域以及低值区。内科数据中云南、内蒙、天津三省市出现异常值的频率较高,且整体上一直处于较高水平,安徽、福建、贵州、宁夏、四川、重庆等则较好的保持较低水平。儿科ILI％数据中,广西省的数据一直表现为异常高值状态,北京、福建、是、四川、天津、重庆等则较好的保持较低水平。各个省区内科、儿科的ILI％月数据分级格局并不是静止不动的,而是处在不断的变化当中且各有特点。　　 结合物理学中的重心模型,分别计算出每个月内科、儿科流感样病例就诊百分比数据在空间上的重心坐标,结果表明,两中检测类别的数据,其重心的纬度变化呈现较强的规律性,每年4-9月份,重心偏南,基本落在湖南省辖区之内,其余月份,重心偏北,基本落在河南省辖区之内；每年12月份左右,重心运动至最北,每年6、7月份,重心处于最南端。另外,4-9月份,内科数据的重心较儿科数据重心的运动趋势更为明显。　　 构建了16个空间权重矩阵,对研究数据进行一系列的全局空间自相关分析,结果表明,月数据的全局空间自相关性不够明显,这可能与研究所用的时间、空间尺度有关,也可能与研究问题本身有关。　　 进一步对内科、儿科的36个月的流感样病例就诊百分比数据进行局域空间自相关分析,利用局部Moran指数进行空间聚类模式的识别,分别找出内科、儿科的流感样病例就诊百分比数据在空间上的“热点”区域和“冷点”区域以及对应的时间段,结果发现,内科、儿科的ILI％数据都有其各自相对稳定的“热点”、“冷点”区域。　　 考虑到研究对象是比率数据的特殊性,又应用经验贝叶斯方法对ILI％数据进行平滑处理,重新进行局域空间自相关分析,识别空间聚类模式。结果表明,内科数据在平滑前后空间聚类模式变动很小,受到比率数据的影响几乎可以忽略不计；但是儿科数据在经过平滑处理之后,其空间集聚模式发生了较大的改变。