空间分析一直以来都是研究的热点课题,课题研究人员针对空间分析研究过程中遇到的各种问题提出了大量的解决方法。空间数据通常包含位置信息以及感兴趣的属性信息,空间数据分析是对空间数据提取或创建一组关于地理特征的新信息以对地理区域中的数据进行常规检查、评估、分析或建模的过程。对空间数据建立空间分析模型,有助于增强空间数据的估计和预测能力,提高数据的解释性和理解性。本文研究了栅格数据回归模型、地理统计数据回归模型和点模式数据回归模型,采用集成嵌套拉普拉斯近似的方法对三种模型进行计算,获得各参数的后验分布和后验均值。分别以入室盗窃案件数据集、盗窃案件数据集和PM2.5数据集进行实验和结果分析。这三类模型采用的策略是忽略障碍的存在或者将多类障碍当做一类障碍建立空间模型,与实际场景差异较大。本文结合实际应用场景对Barrier模型进行推广,提出了一种多类障碍模型（MultiBarriers Model）,该模型将研究区域划分为多个障碍区域和普通研究区域,分别为不同的研究区域指定不同的阈值控制障碍区域中空间点相关性的阻碍程度,然后构建多个高斯域,采用随机偏微分方程（SPDE）表示连续的高斯域,建立空间回归模型。最后基于集成嵌套拉普拉斯逼近（Integrated Nested Laplace Approximation）算法计算模型中各参数的后验均值和后验参数。经实验证明,本文模型在不增加模型复杂度的情况下能够对多类障碍区域建立空间模型,使空间模型更加接近真实场景,解释性更强。