空间相关性度量一直是空间统计和空间计量经济学中的重点内容。学界目前已经提出了诸多行之有效的度量指标用来衡量全局或局部的空间相关性。空间数据的主要两大特性——相关性和异质性——往往是同时存在的,而异质性最直观的反应是空间过程的非平稳性。已有的研究主要是通过局部空间自相关指标来反应空间异质性的存在。但是,单纯基于局部平稳序列的局部空间相关性度量指标使用范围有限,因为为保证其一致性要求局部平稳空间序列的抽样个体充分多,这在许多时候是不现实的。另外,这些指标往往是基于空间权重矩阵考虑的,而权重矩阵的主观性问题一直未能得到较好的解决。到目前为止,已有的方法都未能有效考虑空间相关性中非对称和跨区域现象的广泛存在。为此,本文从空间非平稳而时间平稳的时空数据出发,定义了一种新的“数据驱动的空间局部区域”。该定义的本质是基于数据所提供的信息,找出对于每一空间个体来说那些与其高度相关的其他个体,比传统的空间局部区域定义更好地考虑了跨区域相关和非对称相关问题。构造了用于度量个体间非对称相关强弱的指标,且基于此构造了一种非对称局部空间相关性指标。该指标衡量了对任意给定个体,与该个体高度相关的其他空间个体对其平均影响强度。同时,该指标还充分考虑到了跨区域相关的问题。指标的估计方法使用较为稳健的非参数估计方法,较好地运用了时间序列的平稳性来处理非平稳的空间序列。文中给出了该估计量的一致性和收敛速度,讨论了渐近正态性,并由此构造了一套空间局部相关性检验的框架。本文还展示了线性相关情况下非对称关系的存在并给出证明。在模拟研究中,进一步证实了其正确性。同时,模拟研究就不同相互关系(线性和非线性)下,估计量收敛表现进行了考察,发现当样本大于500时,收敛效果较好。最后,通过实证分析,分析了全国30个城市历时670天的PM2.5指数之间的相互影响。分析结果与经验知识和描述性统计结果较为吻合,证明本文所提出方法较为有效。