分类数据的全局自相关统计？

Question

对不起，这个愚蠢的问题，我在空间自相关方面的经验非常有限。我有很多空间点，我测量了连续变量和分类变量。我需要计算这两种变量的全局空间自相关度量。 我知道这个任务对于连续的任务来说相对容易，下面是一个使用包elsa的示例：

rm(list = ls())
library(raster)
library(elsa)

dta <- data.frame(Lon = (runif(60)*100), 
                              Lat = (runif(60)*100), 
                              Cat = sample(LETTERS[1:5], 60, replace = T), 
                              Cont = (runif(60)*100))
coordinates(dta) <- ~Lon + Lat

# Moran's I global index:
moran(dta[,2], d1=0, d2=2000)
[1] -0.01694915 # The value varies given that seed was not set

# Geary's c global index:
geary(dta[,2], d1=0, d2=2000)
[1] 1

也就是说，我需要像上一个示例中的moran或geary命令这样的命令，但是可以应用于分类协变量。我在谷歌上搜索了一段时间，但一直没有找到解决办法。我在R方面比其他人更“流利”，但Python o，也许朱莉娅，也会有所帮助。有什么想法吗