Das explosive Wachstum der Grösse räumlicher Datenbanken hat die Notwendigkeit von Techniken zur räumlichen Datenanalyse hervorgehoben, um interessante, aber implizite räumliche Muster innerhalb dieser grossen Datenbanken aufzudecken. Dieses Buch untersucht die rechnerische Struktur der exakten und approximativen Lösungen des räumlichen Autoregressionsmodells (SAR). Die Schätzung der Parameter des SAR-Modells unter Verwendung der Maximum-Likelihood (ML)-Theorie ist rechnerisch aufwendig, da der Logarithmus der Determinante einer grossen Matrix in der Log-Likelihood-Funktion berechnet werden muss. Der zweite Teil des Buches führt Theorien zu SAR-Modell-Lösungen ein. Der dritte Teil wendet parallele Verarbeitungstechniken auf die exakten SAR-Modell-Lösungen an. Parallele Formulierungen des Verfahrens zur Parameterschätzung des SAR-Modells basierend auf der ML-Theorie werden unter Verwendung von Datenparallelismus mit Lastenausgleichstechniken untersucht.