地理建模原理實驗報告學(xué)號：姓名： 高義豐班級：1223102專業(yè)： 地理信息系統(tǒng)指導(dǎo)老師： 陵南燕2015年6月27日目錄TOC\o"1-5"\h\z\o"CurrentDocument"一、實習(xí)項目 2\o"CurrentDocument"二、實習(xí)目的 2\o"CurrentDocument"三、實習(xí)內(nèi)容 3\o"CurrentDocument"1、簡單相關(guān)分析 3\o"CurrentDocument"2、偏相關(guān) 3\o"CurrentDocument"3、距離過程 4\o"CurrentDocument"4、因子分析 5\o"CurrentDocument"5、回歸分析 5\o"CurrentDocument"6、多元線性回歸 6\o"CurrentDocument"7、時序分析 7\o"CurrentDocument"8、實習(xí)總結(jié) 8一、實習(xí)項目.學(xué)習(xí)SPS球件，學(xué)會如何該軟件進(jìn)行因子分析與回歸分析（課堂）；.學(xué)習(xí)SPSSB件，學(xué)會如何該軟件隨機(jī)時序分析（課堂）；.利用SPSSB件，完成數(shù)據(jù)文件里的一系列操作。二、實習(xí)目的在實習(xí)后根據(jù)老師講解的內(nèi)容能夠?qū)?spss軟件有所了解并能夠掌握如何用統(tǒng)計軟件進(jìn)行相關(guān)分析、因子分析和回歸分析等用實習(xí)數(shù)據(jù)完成此類實習(xí)操作， 相關(guān)分析與回歸分析有相關(guān)系數(shù)、 相關(guān)分析與偏相關(guān)分析、距離分析。三、實習(xí)內(nèi)容、簡單相關(guān)分析在進(jìn)行相關(guān)分析時，散點圖是重要的工具，分析前應(yīng)先做散點圖，以初步確定兩個變量間是否存在相關(guān)趨勢，該趨勢是否為直線趨勢，以及數(shù)據(jù)中是否存在異常點。否則可能的出錯誤結(jié)論。輸入數(shù)據(jù)后，依次單擊 Graphs—Scatterplot散點圖確定兩個變量間是否存在相關(guān)趨勢，該趨勢是否為直線趨勢Bivariate相關(guān)分析的步驟：（1）輸入數(shù)據(jù)后，依次單擊 Analyze—Correlate—Bivariate，打開BivariateCorrelations對話框。如圖打開雙變量相關(guān)后在點選項就會得到結(jié)果圖右邊結(jié)果，如圖設(shè)置即可得到結(jié)果結(jié)果分析：描述性統(tǒng)計量表，如下：從表中可看出， Pearson相關(guān)系數(shù)為 0.865，即小雞的體重與雞冠的相關(guān)系數(shù)為 0.865，顯著性水平是 0.01，這兩者之間不相關(guān)的雙尾檢驗值為 0.001。從統(tǒng)計結(jié)果可得到，小雞的體重與雞冠重之間存在正相關(guān)關(guān)系，當(dāng)小雞的體重越大時，則小雞的雞冠越重。并且，否定了小雞的體重與雞冠重之間不相關(guān)的假設(shè)。、偏相關(guān)當(dāng)有多個變量存在時，為了研究任何兩個變量之間的關(guān)系，而使與這兩個變量有聯(lián)系的其它變量都保持不變。即控制了其它一個或多個變量的影響下， 計算兩個變量的相關(guān)性。偏相關(guān)系數(shù)是用來衡量任何兩個變量之間的關(guān)系的大小。選擇Analyze—Correlate—Partial打開偏相關(guān)，如下：在統(tǒng)計學(xué)中，自由度（DF）指的是計算某一統(tǒng)計量時，取值不受限制的變量個數(shù)。通常df=n-k。其中n為樣本含量，k為被限制的條件數(shù)或變量個數(shù)，或計算某一統(tǒng)計量時用到其它獨立統(tǒng)計量的個數(shù)。自由度通常用于抽樣分布中。結(jié)果分析：在固定變量x2下Y與x1的偏相關(guān)系數(shù)為0.9483在a=0.001下線性關(guān)系顯著3、距離過程距離相關(guān)分析是：對觀測量之間或變量之間相似或不相似的程度的一種測量，可用于同一變量內(nèi)部各個取值間，以考察其相互接近程度；也可以用于變量間，以考察預(yù)測測值對實際值的擬合優(yōu)度。距離相關(guān)分析的結(jié)果給出的是個變量或記錄之間的距離大小，以供用戶自行判斷相似性。選擇Analyze—Correlate—Distances距離分析設(shè)置如圖所示點擊確定就可以達(dá)到結(jié)果：ProximityMatrixCorrelationbetweenVectorsofValuesh1h2h3h11.000.573.731h2.5731.000.088h3.731.0881.000Thisisasimilaritymatrix三次測量結(jié)果的相關(guān)系數(shù)矩陣。第一次測量與第二次測量結(jié)果的 r=0.573,第一次測量與第三次測量結(jié)果的r=0.731,第二次測量與第三次測量結(jié)果的r=0.088,由此可見，后兩次測量的結(jié)果一致性較差，這意味著第一次恰好是后兩次的“均值” ，故對該指標(biāo)作重復(fù)測量意義不大。擬合優(yōu)度檢驗：擬合優(yōu)度檢驗：擬合優(yōu)度檢驗：擬合優(yōu)度檢驗：4、因子分析因子分析的基本目的就是用少數(shù)幾個因子去描述許多指標(biāo)或因素之間的聯(lián)系，即將相關(guān)比較密切的幾個變量歸在同一類中，每一類變量就成為一個因子（之所以稱其為因子，是因為它是不可觀測的，即不是具體的變量，這與聚類分析不同） ，以較少的幾個因子反映原資料的大部分信息。選擇[Analyze]=>[DataReduction]=>[Factor]，顯示的 [FactorAnalysis]結(jié)果分析：共同度（公共因子方差） ，共同度越大表示 Xi對因子的共同依賴程度越大，因子描述變量越有效。兩個因子對所有變量的共同度都很大，在 0.880到0.988之間。從結(jié)果可以看出五個變量在第一個因子上都具有大的正負(fù)荷，尤其是 X4的負(fù)荷特別大。在第二個因子上變量X1和X3都有較大的正負(fù)荷，X2和X5都有較大的負(fù)荷，XI、X3和X2、X5形成了鮮明的對照，而在 X4上的負(fù)荷非常小。因子得分：對公共因子的取值進(jìn)行估計，計算各個樣本的公共因子得分。在公共因子的空間中，按照各個樣本的因子得分值標(biāo)出其對應(yīng)的位置。結(jié)果如下圖所示：5、回歸分析如果在研究變量之間的相關(guān)關(guān)系時，把其中的一些因素作為所控制的變量（自變量） ，而另一些隨機(jī)變量作為它們的因變量，這種關(guān)系分析就稱為回歸分析。（1）一元線性回歸選擇主菜單 [Analyze]=>[Regression]=>[Linear]打開線性回歸因變量為y,自變量為x,得到下列參數(shù)分析表：樣本觀察值聚集在樣本回歸直線周圍的緊密程度利用判定系數(shù)R2來判定R2越大模型擬樣本觀察值聚集在樣本回歸直線周圍的緊密程度利用判定系數(shù)合度越高相關(guān)系數(shù)顯著性檢驗：兩個變量間的線性相關(guān)程度，用相關(guān)系數(shù) R來判別，SXY稱為X與Y的樣本協(xié)方差，SX稱為X的樣本標(biāo)準(zhǔn)差，SY稱為Y的樣本標(biāo)準(zhǔn)差。根據(jù)給定的顯著性水平a和樣本容量n,查相關(guān)系數(shù)表得到臨界值rao若|r|>ra,則X與Y有顯著的線性關(guān)系，否則X與Y的線性相關(guān)關(guān)系不顯著。TSS=ESS+RSS（ESS可由回歸直線解釋，RS壞可解釋的殘差e）回歸方程的顯著性檢驗（ F檢驗）：對回歸總體線性關(guān)系是否顯著的一種假設(shè)檢驗根據(jù)給定的顯著水平a確定臨界值 Fa（1,n-2）,或者計算F值所對應(yīng)的p值來判定。如果F值大于臨界值Fa（1,n-2）（或者p<a）,回歸方程的線性關(guān)系是顯著的。輸出結(jié)果中的非標(biāo)準(zhǔn)化的系數(shù)估計值（B）及其標(biāo)7ft誤差（Std.Error）?？梢钥闯觯禂?shù)估計值分別為 b0=0.607和b1=0.542，則。0.607+0.542X。Std.Error表示bi與Bi之間的差異，其值越小證明 bi越可靠。回歸參數(shù)的顯著性檢驗（ t檢驗）：根據(jù)樣本估計結(jié)果對總體回歸參數(shù)的有關(guān)假設(shè)進(jìn)行檢驗t檢驗的臨界值是由顯著水平a和自由度決定的，如果t的絕對值大于臨界值（或者p（實際顯著性水平）<a）,說明X對Y具有顯著的影響作用。6、多元線性回歸選擇主菜單 [Analyze]=>[Regression]=>[Linear]運(yùn)行結(jié)果如下圖所示：.R2=0.902,說明Y的變動中95%M由x1,x2解釋.調(diào)整判定系數(shù)去除自變量個數(shù)對擬合優(yōu)度的影響.復(fù)相關(guān)系數(shù)R等于R2開平方，反映樣本觀測值與擬合直線間的線性相關(guān)程度。 R=0.95,說明y與x1,x2之間相關(guān)程度為 95%。7、時序分析系統(tǒng)中某一變量的觀測值按時間順序(時間間隔相同)排列成一個數(shù)值序列，展示研究對象在一定時期內(nèi)的變動過程，從中尋找和分析事物的變化特征、發(fā)展趨勢和規(guī)律。它是系統(tǒng)中某一變量受其它各種因素影響的總結(jié)果。特征識別認(rèn)識時間序列所具有的變動特征，以便在系統(tǒng)預(yù)測時選擇采用不同的方法。隨機(jī)性：均勻分布、無規(guī)則分布，可能符合某統(tǒng)計分布。 (用因變量的散點圖和直方圖及其包含的正態(tài)分布檢驗隨機(jī)性，大多數(shù)服從正態(tài)分布。 )平穩(wěn)性：樣本序列的自相關(guān)函數(shù)在某一固定水平線附近擺動， 即方差和數(shù)學(xué)期望穩(wěn)定為常數(shù)。平穩(wěn)過程的自相關(guān)系數(shù)和偏自相關(guān)系數(shù)都會以某種方式衰減趨近 0，前者測度當(dāng)前序列與先前序列之間簡單和常規(guī)的相關(guān)程度，后者是在控制其它先前序列的影響后，測度當(dāng)前序列與某一先前序之間的相關(guān)程度基本步驟⑴作直方圖：檢驗正態(tài)性、零均值。按圖形 Graphs一直方圖Histogram如上圖所示可得直方圖結(jié)果：(2)作相關(guān)圖：檢驗平穩(wěn)性、周期性。按分析—預(yù)測—自相關(guān) Autocorrelations 打開選項：因為一般要求時間序列樣本數(shù)據(jù) n>50,滯后周期k<n/4,所以此處控制最大滯后數(shù)值MaximumNumberofLags設(shè)定為16。設(shè)置如下圖所示：確定后得到結(jié)果：我們從上圖中看出樣本序列數(shù)據(jù)的自相關(guān)系數(shù)在某一固定水平線附近擺動，且按周期性逐漸衰減，所以該時間序列基本是平穩(wěn)的。相關(guān)圖法：運(yùn)行自相關(guān)圖后，出現(xiàn)自相關(guān)圖和偏自相關(guān)圖從圖中看出：自相關(guān)系數(shù)和偏相關(guān)系數(shù)具有相似的衰減特點：衰減快，相鄰二個值的相關(guān)系數(shù)約為 0.3，滯后二個周期的值的相關(guān)系數(shù)接近 0.1，滯后三個周期的值的相關(guān)系數(shù)接近0.05。所以，基本可以確定該時間序列為 ARM（Ap,q）模型形式， 但還不能確定是 ARMA（1,1）或是 ARM（A2,2）模型。但若前四個自相關(guān)系數(shù)分別為 0.40、0.16、0.064、0.0256，則可以考慮用 AR（1）模型實際上，具體應(yīng)用自相關(guān)圖進(jìn)行模型選擇時，在觀察 ACF與PACF函數(shù)中，應(yīng)注意的關(guān)鍵問題是：函數(shù)值衰減的是否快； 是否所有ACF之和為-0.5,即進(jìn)行了過度差分；是否ACF與PACF勺某些滯后項顯著和容易解釋的峰值等。 但是，僅依賴ACF圖形進(jìn)行時間序列的模型識別是比較困難的。8、實習(xí)總結(jié)spss是我們專業(yè)接觸的第一個統(tǒng)計軟件 ,功能強(qiáng)大 ,雖然對它很多的輸出結(jié)果還不會做出解釋,但是隨著學(xué)習(xí)的深入 ,這將使我們的一個好幫手 ,幫助我們完成很多的任務(wù)在 SPSS學(xué)習(xí)中,對它的認(rèn)識由淺入深， 循序漸進(jìn) ,實踐中遇到的各種問題逐個攻克 ,學(xué)習(xí)這種在日常工作中有價值的分析方法， 使我們更能