地理建模原理实验报告

地理建模原理实验报告学校编号：201220310262姓氏：高逸峰班级：1223102专业化：地理信息系统讲师：岭南燕2015年6月27日目录一、实习项目3二。实践3的目的三。实习内容31.简单相关分析32.部分相关53.距离过程64.因素分析75.回归分析96.多元线性回归117.时间序列分析128.实践总结15一.实习方案1.学习SPSS软件以及如何进行因子分析和回归分析(课堂)；2.学习SPSS软件以及如何将其用于随机时间序列分析(课堂)；3.使用SPSS软件完成数据文件中的一系列操作。二。实践的目的实习结束后，我可以根据老师讲解的内容理解spss软件，掌握如何利用统计软件进行相关分析、因子分析和回归分析，用实习数据完成此类实习操作。相关分析和回归分析有相关系数、相关分析和偏相关分析、距离分析。三。实践的内容1.简单相关分析散点图是相关性分析的重要工具。分析前应制作散点图，初步判断两个变量之间是否存在相关趋势，趋势是否为直线趋势，数据中是否有异常点。否则，可能会得出错误的结论。输入数据后，依次单击图形-散点图散点图确定两个变量之间是否存在相关趋势，以及该趋势是否为直线趋势二元相关性分析的步骤：(1)输入数据后，依次点击【分析】-【关联】-【双变量】，系统将弹出双变量相关性对话框。如图所示，在打开二元相关性后，结果图右侧的结果将在点选项处获得，结果可以如图设置所示获得。结果分析：描述性统计规模如下：从表中可以看出，皮尔逊相关系数为0.865，即鸡体重与鸡冠的相关系数为0.865，显著性水平为0.01，两者之间的不相关双尾检验值为0.001。根据统计结果，鸡的体重和鸡冠的重量呈正相关。鸡的重量越重，鸡冠就越重。此外，鸡的重量与梳子的重量无关的假设被否定了。2.偏相关当有多个变量时，为了研究任意两个变量之间的关系，与这两个变量相关的其他变量保持不变。也就是说，在控制一个或多个其他变量的影响下，计算两个变量之间的相关性。偏相关系数用于衡量任何两个变量之间的关系。选择分析-相关-部分以打开部分相关，如下所示：在统计学中，自由度(DF)指的是在计算统一度量时其值不受限制的变量的数量。通常df=n-k。其中n是样本内容，k是受限条件或变量的数量，或用于计算统一度量的其他独立统计的数量。自由度通常用于抽样分布。结果分析：在固定变量x2下，Y与x1的偏相关系数为0.9483，线性关系在a=0.001时显著。3.距离过程距离相关性分析是：测量观察到的测量值或变量之间的相似或相异程度，可用于同一变量内的不同值，以检查它们的相互接近程度；它也可以在变量中使用，以检查预测测量值与实际值的拟合优度。距离相关分析的结果给出变量或记录之间的距离，供用户判断相似性。选择分析-相关-距离距离分析如图所示设置，点击【确定】得出结果：邻近矩阵值向量之间的相关性氕氘h3氕1.000. 573. 731氘. 5731.000. 088h3. 731. 0881.000这是一个相似矩阵三次测量的相关系数矩阵。第一次测量和第二次测量的r=0.573，第一次测量和第三次测量的r=0.731，第二次测量和第三次测量的r=0.088。因此，后两种测量结果的一致性较差，这意味着因子分析的基本目的是用几个因子来描述许多指标或因子之间的关系，即把几个密切相关的变量归入同一个类别，每一类变量都成为一个因子(之所以称之为因子，是因为它是不可观察的，即它不是一个特定的变量，这与聚类分析不同)，并且用几个因子来反映原始数据的大部分信息。选择分析=数据缩减=因子以显示因子分析结果分析：共同程度(共同因素的差异)。共同点越多，Xi对因素的相互依赖性越大，因素描述变量越有效。这两个因素对所有变量的共同程度非常大，从0.880到0.988不等。从结果中可以看出，五个变量在第一个因子上有很大的正载荷，特别是X4。在第二个因素上，变量X1和X3具有较大的正负载，X2和X5具有较大的负载，X1、X3和X2、X5形成鲜明对比，而X4上的负载非常小。因子得分：估计共同因子的值，并计算每个样本的共同因子得分。在公共因子空间中，根据每个样本的因子分值标记相应的位置。结果如下图所示：5.回归分析如果在研究变量之间的相关性时，将一些因素作为控制变量(自变量)，而将其他随机变量作为因变量，这种关系分析称为回归分析。(1)一维线性回归选择主菜单分析=表达式=线性打开线性回归因变量为Y，自变量为X，得到如下参数分析表：拟合优度测试：围绕样本回归线收集的样本观察值的接近度由确定系数R2确定。R2越大，模型拟合度越高相关系数显著性检验：两个变量之间的线性相关程度由相关系数r决定，SXY称为x的样本协方差，y SX称为x的样本标准差，SY称为y的样本标准差。根据给定的显著性水平和样本大小n，查找相关系数表以获得临界值r。如果|r|r，则x和y之间存在显著的线性关系，否则x和y之间的线性相关性不显著。支持向量回归机(支持向量回归机可以用回归线解释，支持向量回归机不能解释的残差e)回归方程的显著性检验(f检验)；回归总体的线性关系是否显著的假设检验临界值F(1，n-2)根据给定的显著性水平来确定，或者计算对应于f值的p值来确定。如果f的值大于临界值F(1，n-2)(或p)，则回归方程的线性关系显著。非标准系数估计及其标准误差。错误)。可以看出，系数估计值分别为b 0=0.607和b1=0.542。0.607 0.542X .性病。误差表示b i和 i之间的差异，值越小，b i越可靠。回归参数的显著性检验(T检验)；根据样本估计结果，T检验的临界值由显著性水平和自由度决定。如果T的绝对值大于临界值(或P(实际显著水平)，则表明X对y有显著影响6.多元线性回归选择主菜单分析=表达式=线性操作结果如下图所示：拟合优度测试：1.R2=0。902，表明95%的Y变化可以用X1和X2来解释。2.调整决策系数以消除自变量数量对拟合优度的影响3.复相关系数R等于R2平方，反映样本观测值与拟合直线的线性相关程度。R=0.95，表明Y和x1，x2之间的相关性为95%。7.时间序列分析系统中某个变量的观测值按照时间序列(相同的时间间隔)排列成数值序列，展示了研究对象在一定时期内的变化过程，发现并分析事物的变化特征、发展趋势和规律。它是系统中一个变量受各种其他因素影响的总结果。特征识别识别变化的特征(1)随机性：均匀分布，不规则分布，可能符合统计分布。(随机性通过因变量的散点图和直方图以及它们包含的正态分布来测试。他们大多数服从正态分布。)(2)平稳性：样本序列的自相关函数围绕固定的水平线摆动，即方差和数学期望作为常数是稳定的。平稳过程的自相关系数和偏自相关系数以某种方式向0衰减。前者测量当前序列和先前