地理建模原理實(shí)驗(yàn)報(bào)告

精選文庫(kù)地理建模原理實(shí)驗(yàn)報(bào)告學(xué) 號(hào)： 201220310262 姓 名： 高義豐 班 級(jí)： 1223102 專 業(yè)： 地理信息系統(tǒng) 指導(dǎo)老師： 陵南燕 2015年6月27日目錄一、實(shí)習(xí)項(xiàng)目3二、實(shí)習(xí)目的3三、實(shí)習(xí)內(nèi)容31、簡(jiǎn)單相關(guān)分析32、偏相關(guān)53、距離過程64、因子分析75、回歸分析96、多元線性回歸117、時(shí)序分析128、實(shí)習(xí)總結(jié)15一、實(shí)習(xí)項(xiàng)目1. 學(xué)習(xí)SPSS軟件，學(xué)會(huì)如何該軟件進(jìn)行因子分析與回歸分析（課堂）；2. 學(xué)習(xí)SPSS軟件，學(xué)會(huì)如何該軟件隨機(jī)時(shí)序分析（課堂）；3. 利用SPSS軟件，完成數(shù)據(jù)文件里的一系列操作。二、實(shí)習(xí)目的在實(shí)習(xí)后根據(jù)老師講解的內(nèi)容能夠?qū)pss軟件有所了解并能夠掌握如何用統(tǒng)計(jì)軟件進(jìn)行相關(guān)分析、因子分析和回歸分析等用實(shí)習(xí)數(shù)據(jù)完成此類實(shí)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(shí)習(xí)內(nèi)容1、簡(jiǎn)單相關(guān)分析在進(jìn)行相關(guān)分析時(shí)，散點(diǎn)圖是重要的工具，分析前應(yīng)先做散點(diǎn)圖，以初步確定兩個(gè)變量間是否存在相關(guān)趨勢(shì)，該趨勢(shì)是否為直線趨勢(shì)，以及數(shù)據(jù)中是否存在異常點(diǎn)。否則可能的出錯(cuò)誤結(jié)論。輸入數(shù)據(jù)后，依次單擊GraphsScatterplot散點(diǎn)圖確定兩個(gè)變量間是否存在相關(guān)趨勢(shì)，該趨勢(shì)是否為直線趨勢(shì)Bivariate相關(guān)分析的步驟：（1） 輸入數(shù)據(jù)后，依次單擊AnalyzeCorrelateBivariate，打開Bivariate Correlations對(duì)話框。如圖打開雙變量相關(guān)后在點(diǎn)選項(xiàng)就會(huì)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(jì)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(yàn)值為0.001。從統(tǒng)計(jì)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(shí)，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)。2、偏相關(guān)當(dāng)有多個(gè)變量存在時(shí)，為了研究任何兩個(gè)變量之間的關(guān)系，而使與這兩個(gè)變量有聯(lián)系的其它變量都保持不變。即控制了其它一個(gè)或多個(gè)變量的影響下，計(jì)算兩個(gè)變量的相關(guān)性。偏相關(guān)系數(shù)是用來衡量任何兩個(gè)變量之間的關(guān)系的大小。選擇AnalyzeCorrelatePartial打開偏相關(guān)，如下： 在統(tǒng)計(jì)學(xué)中，自由度（DF）指的是計(jì)算某一統(tǒng)計(jì)量時(shí)，取值不受限制的變量個(gè)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(gè)數(shù)，或計(jì)算某一統(tǒng)計(jì)量時(shí)用到其它獨(dú)立統(tǒng)計(jì)量的個(gè)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(duì)觀測(cè)量之間或變量之間相似或不相似的程度的一種測(cè)量，可用于同一變量?jī)?nèi)部各個(gè)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(cè)測(cè)值對(duì)實(shí)際值的擬合優(yōu)度。 距離相關(guān)分析的結(jié)果給出的是個(gè)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AnalyzeCorrelateDistances 距離分析設(shè)置如圖所示點(diǎn)擊確定就可以達(dá)到結(jié)果：Proximity Matrix Correlation between Vectors of Values h1h2h3h11.000.573.731h2.5731.000.088h3.731.0881.000This is a similarity matrix 三次測(cè)量結(jié)果的相關(guān)系數(shù)矩陣。第一次測(cè)量與第二次測(cè)量結(jié)果的r = 0.573，第一次測(cè)量與第三次測(cè)量結(jié)果的r = 0.731，第二次測(cè)量與第三次測(cè)量結(jié)果的r = 0.088，由此可見，后兩次測(cè)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(duì)該指標(biāo)作重復(fù)測(cè)量意義不大。4、因子分析因子分析的基本目的就是用少數(shù)幾個(gè)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(gè)變量歸在同一類中，每一類變量就成為一個(gè)因子（之所以稱其為因子，是因?yàn)樗遣豢捎^測(cè)的，即不是具體的變量，這與聚類分析不同），以較少的幾個(gè)因子反映原資料的大部分信息。選擇Analyze=Data Reduction=Factor，顯示的Factor Analysis結(jié)果分析：共同度（公共因子方差），共同度越大表示Xi對(duì)因子的共同依賴程度越大，因子描述變量越有效。兩個(gè)因子對(duì)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(gè)變量在第一個(gè)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(gè)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，X1、X3 和X2、X5 形成了鮮明的對(duì)照，而在X4上的負(fù)荷非常小。 因子得分：對(duì)公共因子的取值進(jìn)行估計(jì)，計(jì)算各個(gè)樣本的公共因子得分。在公共因子的空間中，按照各個(gè)樣本的因子得分值標(biāo)出其對(duì)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(shí)，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： 擬合優(yōu)度檢驗(yàn)： 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越大模型擬合度越高 相關(guān)系數(shù)顯著性檢驗(yàn)： 兩個(gè)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)給定的顯著性水平和樣本容量n，查相關(guān)系數(shù)表得到臨界值r。若|r|r，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，RSS不可解釋的殘差e) 回歸方程的顯著性檢驗(yàn)（F 檢驗(yàn)）：對(duì)回歸總體線性關(guān)系是否顯著的一種假設(shè)檢驗(yàn)根據(jù)給定的顯著水平確定臨界值F（1，n-2），或者計(jì)算F 值所對(duì)應(yīng)的p 值來判定。如果F 值大于臨界值F（1，n-2）（或者p），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(jì)值（B）及其標(biāo)準(zhǔn)誤差（Std.Error）?？梢钥闯?，系數(shù)估計(jì)值分別為b 0= 0.607和 b1 = 0.542，則 。 0.607+ 0.542X。Std.Error表示b i與 i之間的差異，其值越小證明b i越可靠?；貧w參數(shù)的顯著性檢驗(yàn)（t 檢驗(yàn)）：根據(jù)樣本估計(jì)結(jié)果對(duì)總體回歸參數(shù)的有關(guān)假設(shè)進(jìn)行檢驗(yàn)檢驗(yàn)的臨界值是由顯著水平和自由度決定的,如果t 的絕對(duì)值大于臨界值（或者p(實(shí)際顯著性水平)Regression=Linear運(yùn)行結(jié)果如下圖所示：擬合優(yōu)度檢驗(yàn)：1.R2=0. 902，說明Y的變動(dòng)中95%可由x1,x2解釋2.調(diào)整判定系數(shù)去除自變量個(gè)數(shù)對(duì)擬合優(yōu)度的影響 3.復(fù)相關(guān)系數(shù)R等于R2開平方，反映樣本觀測(cè)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(shí)序分析系統(tǒng)中某一變量的觀測(cè)值按時(shí)間順序（時(shí)間間隔相同）排列成一個(gè)數(shù)值序列，展示研究對(duì)象在一定時(shí)期內(nèi)的變動(dòng)過程，從中尋找和分析事物的變化特征、發(fā)展趨勢(shì)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(shí)別認(rèn)識(shí)時(shí)間序列所具有的變動(dòng)特征，以便在系統(tǒng)預(yù)測(cè)時(shí)選擇采用不同的方法。(1)隨機(jī)性：均勻分布、無規(guī)則分布，可能符合某統(tǒng)計(jì)分布。(用因變量的散點(diǎn)圖和直方圖及其包含的正態(tài)分布檢驗(yàn)隨機(jī)性，大多數(shù)服從正態(tài)分布。)(2)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(dòng)，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(huì)以某種方式衰減趨近0，前者測(cè)度當(dāng)前序列與先前序列之間簡(jiǎn)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(cè)度當(dāng)前序列與某一先前序之間的相關(guān)程度 基本步驟(1) 作直方圖：檢驗(yàn)正態(tài)性、零均值。按圖形Graphs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(yàn)平穩(wěn)性、周期性。 按分析預(yù)測(cè)自相關(guān)Autocorrelations打開選項(xiàng)：因?yàn)橐话阋髸r(shí)間序列樣本數(shù)據(jù)n50，滯后周期kn/4，所以此處控制最大滯后數(shù)值Maximum Number of Lags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(dòng)，且按周期性逐漸衰減，所以該時(shí)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(diǎn)：衰減快，相鄰二個(gè)值的相關(guān)系數(shù)約為0.3，滯后二個(gè)周期的值的相關(guān)系數(shù)接近0.1，滯后三個(gè)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(shí)間序列為ARMA（p,q）模型形式，但還不能確定是ARMA（1,1）或是ARMA（2,2）模型。但若前四個(gè)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(shí)際上，具體應(yīng)用自相關(guān)圖進(jìn)行模型選擇時(shí)，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的某些滯后項(xiàng)顯著和容易解釋的峰值等。但是，僅依賴ACF圖形進(jìn)行時(shí)間序列的模型識(shí)別是比較困難的。 8、實(shí)習(xí)總結(jié)spss是我們專業(yè)接觸的第一個(gè)統(tǒng)計(jì)軟件,功能強(qiáng)大,雖然對(duì)它很多的輸出結(jié)果還不會(huì)做出解釋,但是隨著學(xué)習(xí)的深入,這將使我們的一個(gè)好幫手,幫助我們完成很多的任務(wù)在SPSS學(xué)習(xí)中,對(duì)它的認(rèn)識(shí)由淺入深，循序漸進(jìn),實(shí)踐中遇到的各種問題逐個(gè)攻克,學(xué)習(xí)這種在日常工作中有價(jià)值的分析方法，使我們更能輕易應(yīng)付日后的社會(huì)的信息工作;掌握這種高級(jí)的技能,對(duì)我們工作就業(yè)提供了競(jìng)爭(zhēng)