精選文庫地理建模原理實驗報告學 號： 201220310262 姓 名： 高義豐 班 級： 1223102 專 業： 地理信息系統 指導老師： 陵南燕 2015年6月27日目錄一、實習項目3二、實習目的3三、實習內容31、簡單相關分析32、偏相關53、距離過程64、因子分析75、回歸分析96、多元線性回歸117、時序分析128、實習總結15一、實習項目1. 學習SPSS軟件，學會如何該軟件進行因子分析與回歸分析（課堂）；2. 學習SPSS軟件，學會如何該軟件隨機時序分析（課堂）；3. 利用SPSS軟件，完成數據文件里的一系列操作。二、實習目的在實習后根據老師講解的內容能夠對spss軟件有所了解并能夠掌握如何用統計軟件進行相關分析、因子分析和回歸分析等用實習數據完成此類實習操作，相關分析與回歸分析有相關系數、相關分析與偏相關分析、距離分析。三、實習內容1、簡單相關分析在進行相關分析時，散點圖是重要的工具，分析前應先做散點圖，以初步確定兩個變量間是否存在相關趨勢，該趨勢是否為直線趨勢，以及數據中是否存在異常點。否則可能的出錯誤結論。輸入數據后，依次單擊GraphsScatterplot散點圖確定兩個變量間是否存在相關趨勢，該趨勢是否為直線趨勢Bivariate相關分析的步驟：（1） 輸入數據后，依次單擊AnalyzeCorrelateBivariate，打開Bivariate Correlations對話框。如圖打開雙變量相關后在點選項就會得到結果圖右邊結果，如圖設置即可得到結果結果分析：描述性統計量表，如下： 從表中可看出， Pearson相關系數為0.865，即小雞的體重與雞冠的相關系數為0.865，顯著性水平是0.01，這兩者之間不相關的雙尾檢驗值為0.001。從統計結果可得到，小雞的體重與雞冠重之間存在正相關關系，當小雞的體重越大時，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的假設。2、偏相關當有多個變量存在時，為了研究任何兩個變量之間的關系，而使與這兩個變量有聯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性。偏相關系數是用來衡量任何兩個變量之間的關系的大小。選擇AnalyzeCorrelatePartial打開偏相關，如下： 在統計學中，自由度（DF）指的是計算某一統計量時，取值不受限制的變量個數。通常df=n-k。其中n為樣本含量，k為被限制的條件數或變量個數，或計算某一統計量時用到其它獨立統計量的個數。自由度通常用于抽樣分布中。結果分析：在固定變量x2下Y與x1的偏相關系數為0.9483在a=0.001下線性關系顯著。3、距離過程 距離相關分析是：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，以考察預測測值對實際值的擬合優度。 距離相關分析的結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AnalyzeCorrelateDistances 距離分析設置如圖所示點擊確定就可以達到結果：Proximity Matrix Correlation between Vectors of Values h1h2h3h11.000.573.731h2.5731.000.088h3.731.0881.000This is a similarity matrix 三次測量結果的相關系數矩陣。第一次測量與第二次測量結果的r = 0.573，第一次測量與第三次測量結果的r = 0.731，第二次測量與第三次測量結果的r = 0.088，由此可見，后兩次測量的結果一致性較差，這意味著第一次恰好是后兩次的“均值”，故對該指標作重復測量意義不大。4、因子分析因子分析的基本目的就是用少數幾個因子去描述許多指標或因素之間的聯系，即將相關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=Data Reduction=Factor，顯示的Factor Analysis結果分析：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。 從結果可以看出五個變量在第一個因子上都具有大的正負荷，尤其是X4 的負荷特別大。在第二個因子上變量X1 和X3 都有較大的正負荷，X2和X5 都有較大的負荷，X1、X3 和X2、X5 形成了鮮明的對照，而在X4上的負荷非常小。 因子得分：對公共因子的取值進行估計，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出其對應的位置。結果如下圖所示：5、回歸分析如果在研究變量之間的相關關系時，把其中的一些因素作為所控制的變量（自變量），而另一些隨機變量作為它們的因變量，這種關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，得到下列參數分析表： 擬合優度檢驗： 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R2來判定R2越大模型擬合度越高 相關系數顯著性檢驗： 兩個變量間的線性相關程度，用相關系數R來判別，SXY 稱為X 與Y 的樣本協方差，SX 稱為X 的樣本標準差，SY 稱為Y 的樣本標準差。根據給定的顯著性水平和樣本容量n，查相關系數表得到臨界值r。若|r|r，則X 與Y 有顯著的線性關系，否則X 與Y 的線性相關關系不顯著。 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（F 檢驗）：對回歸總體線性關系是否顯著的一種假設檢驗根據給定的顯著水平確定臨界值F（1，n-2），或者計算F 值所對應的p 值來判定。如果F 值大于臨界值F（1，n-2）（或者p），回歸方程的線性關系是顯著的。輸出結果中的非標準化的系數估計值（B）及其標準誤差（Std.Error）。可以看出，系數估計值分別為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。回歸參數的顯著性檢驗（t 檢驗）：根據樣本估計結果對總體回歸參數的有關假設進行檢驗檢驗的臨界值是由顯著水平和自由度決定的,如果t 的絕對值大于臨界值（或者p(實際顯著性水平)Regression=Linear運行結果如下圖所示：擬合優度檢驗：1.R2=0. 902，說明Y的變動中95%可由x1,x2解釋2.調整判定系數去除自變量個數對擬合優度的影響 3.復相關系數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程度。R=0.95，說明y與x1,x2之間相關程度為95%。7、時序分析系統中某一變量的觀測值按時間順序（時間間隔相同）排列成一個數值序列，展示研究對象在一定時期內的變動過程，從中尋找和分析事物的變化特征、發展趨勢和規律。它是系統中某一變量受其它各種因素影響的總結果。 特征識別認識時間序列所具有的變動特征，以便在系統預測時選擇采用不同的方法。(1)隨機性：均勻分布、無規則分布，可能符合某統計分布。(用因變量的散點圖和直方圖及其包含的正態分布檢驗隨機性，大多數服從正態分布。)(2)平穩性：樣本序列的自相關函數在某一固定水平線附近擺動，即方差和數學期望穩定為常數。 平穩過程的自相關系數和偏自相關系數都會以某種方式衰減趨近0，前者測度當前序列與先前序列之間簡單和常規的相關程度，后者是在控制其它先前序列的影響后，測度當前序列與某一先前序之間的相關程度 基本步驟(1) 作直方圖：檢驗正態性、零均值。按圖形Graphs直方圖Histogram如上圖所示可得直方圖結果：(2)作相關圖：檢驗平穩性、周期性。 按分析預測自相關Autocorrelations打開選項：因為一般要求時間序列樣本數據n50，滯后周期kn/4，所以此處控制最大滯后數值Maximum Number of Lags設定為16。設置如下圖所示：確定后得到結果：我們從上圖中看出樣本序列數據的自相關系數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的。 相關圖法：運行自相關圖后，出現自相關圖和偏自相關圖 從圖中看出：自相關系數和偏相關系數具有相似的衰減特點：衰減快，相鄰二個值的相關系數約為0.3，滯后二個周期的值的相關系數接近0.1，滯后三個周期的值的相關系數接近0.05。所以，基本可以確定該時間序列為ARMA（p,q）模型形式，但還不能確定是ARMA（1,1）或是ARMA（2,2）模型。但若前四個自相關系數分別為0.40、0.16、0.064、0.0256，則可以考慮用AR(1) 模型 實際上，具體應用自相關圖進行模型選擇時，在觀察ACF與PACF函數中，應注意的關鍵問題是：函數值衰減的是否快；是否所有ACF之和為-0.5，即進行了過度差分；是否ACF與PACF的某些滯后項顯著和容易解釋的峰值等。但是，僅依賴ACF圖形進行時間序列的模型識別是比較困難的。 8、實習總結spss是我們專業接觸的第一個統計軟件,功能強大,雖然對它很多的輸出結果還不會做出解釋,但是隨著學習的深入,這將使我們的一個好幫手,幫助我們完成很多的任務在SPSS學習中,對它的認識由淺入深，循序漸進,實踐中遇到的各種問題逐個攻克,學習這種在日常工作中有價值的分析方法，使我們更能輕易應付日后的社會的信息工作;掌握這種高級的技能,對我們工作就業提供了競爭