检验统计量在点过程中起着重要的作用。我们可以用检验统计量来分析空间数据中不同种类之间的关系，估计它们之间相互作用的距离和强度等。计算检验统计量是进行统计分析的重要步骤。 　　本文对一些点过程的基本概念和公式做了简单的介绍。一般来说空间点过程可以划分为一元点过程、多元点过程和带有附加信息的点过程。一元点过程是一种随机过程的实现。我们对检验统计量F，G，J和K进行了讨论。而多元点过程是由多种一元点过程构成。至于带有附加信息的点过程则是一种具有特征的点过程，比如：直径、高度、重量等。对于多元点过程，我们相应地介绍了多元点过程函数G，J和K。此外，我们引入了对带附加信息的点过程进行估计的函数mcf(r)的概念。 　　如果我们研究的数据是来源于一个有界的区域，那么在对检验统计量进行估计的过程中，边际效应是难于避免的。为了减少边际效应，许多研究人员为此做了大量的工作。在第三章，我们引入了新的检验统计量Multi-Krs，它是在原函数Multi-Kun的基础上修正得到的。我们还对不同的函数Multi-K的标准差，偏差和检验功效进行了比较，这也是本文的创新之处。 　　第四章主要着重于研究带附加信息的点过程。我们利用函数J和mcf(r)分析了“长叶松”数据(见图6)。我们发现年轻的树排斥性较弱，这可能是需要较少的阳光、空气、水等。而年长的树则有着较强的排斥性。 　　最后一章，我们利用检验统计量F，G和J分析了“Lansing”森林数据中各树种之间的相互关系。在介绍了MultiGeyer模型之后，我们用该模型拟合了“Lansing”数据。研究结果显示：模型拟合所得到的结果与通过检验统计量分析的结果几乎一致。