地理建模实习报告

1、地理建模实验报告学 号：姓 名：班 级：专 业： 地理信息系统 2015.6.28 目录TOC o 1-3 h u HYPERLINK l _Toc367 1.实验一 PAGEREF _Toc367 1 HYPERLINK l _Toc25744 1.1实验目的 PAGEREF _Toc25744 1 HYPERLINK l _Toc16527 1.2实验内容 PAGEREF _Toc16527 1 HYPERLINK l _Toc8023 1.3实验要求 PAGEREF _Toc8023 1 HYPERLINK l _Toc25061 1.4实验步骤与结果 PAGEREF _Toc25061

2、 1 HYPERLINK l _Toc27922 2.实验二 PAGEREF _Toc27922 14 HYPERLINK l _Toc30113 2.1实验目的 PAGEREF _Toc30113 14 HYPERLINK l _Toc15052 2.2实验内容 PAGEREF _Toc15052 14 HYPERLINK l _Toc11314 2.3实验要求 PAGEREF _Toc11314 14 HYPERLINK l _Toc15614 2.4实验步骤与结果 PAGEREF _Toc15614 15 HYPERLINK l _Toc9361 3.实习总结 PAGEREF _Toc9

3、361 25 32/341.实验一1.1实验目的掌握spass软件安装掌握spass软件相关的操作1.2实验内容学会使用spass软件对数据进行因子分析对数据进行回归分析1.3实验要求熟悉因子分析和回归分析的基本操作理解因子分析和回归分析中各选项的含义，能够选择合适的因子数，并对结果进行合适的解释理解不同因子提取方法和不同旋转方法对因子的影响能够将描述性统计相关分析与回归分析结合起来使用理解抽样和分组1.4实验步骤与结果（1）因子分析A.打开数据文件B.在spss软件中打开“分析-降维-因子分析”进行因子分析C.将左边的变量导入右边点击抽取同时选择碎石图、基于特征值D.点击旋转和得分，分别设置

4、参数设置完点击确定E.因子分析的结果公因子方差初始风速1.000日光辐射1.000CO 1.000NO1.000NO21.000O31.000HC1.000提取方法：主成份分析。解释的总方差成份初始特征值旋转平方和载入合计方差的 %累积 %合计方差的 %累积 %12.67238.17238.1722.22231.73631.73621.65623.66261.8341.87126.72458.46031.07215.30977.1431.30818.68377.1434.70810.10887.2505.5738.18195.4316.2002.85898.2907.1201.710100.0

5、00提取方法：主成份分析。成份转换矩阵成份1231.749.563-.3482-.655.707-.2683.096.429.898提取方法 :主成分分析法。 旋转法 :具有 Kaiser 标准化的正交旋转法。 成份得分协方差矩阵成份12311.000.000.0002.0001.000.0003.000.0001.000提取方法 :主成分分析法。 旋转法 :具有 Kaiser 标准化的正交旋转法。 构成得分。 旋转成份矩阵a成份123风速-.727.415-.185日光辐射.017-.065.975CO .636.522-.083NO.859.135-.008NO2.722.233-.508

6、O3-.034.896.057HC.164.739-.233提取方法 :主成分分析法。 旋转法 :具有 Kaiser 标准化的正交旋转法。a. 旋转在 5 次迭代后收敛。成份得分系数矩阵成份123风速-.399.274-.149日光辐射.099.128.811CO .253.242.076NO.399.007.093NO2.281-.009-.324O3-.086.543.199HC-.004.383-.055提取方法 :主成分分析法。 旋转法 :具有 Kaiser 标准化的正交旋转法。 构成得分。(2)回归分析A.打开回归分析数据B.点击spss软件中“分析-回归-线性”进行线性分析C.将因

7、变量食品支出导入以及自变量导入收入和食品价格D.点击统计量、选项、保存分别选择相关的参数有估计、模拟合度、R方变化、在等式中包含的常量等参数，如下图所示： E.回归分析的结果输入移去的变量模型输入的变量移去的变量方法1食品价格/元, 收入a.输入a. 已输入所有请求的变量。模型汇总b模型RR 方调整 R 方标准 估计的误差1.951a.905.88966.237a. 预测变量: (常量), 食品价格/元, 收入。b. 因变量: 食品支出模型汇总b模型更改统计量R 方更改F 更改df1df2Sig. F 更改Durbin-Watson1.90557.141212.0001.672b. 因变量:

8、食品支出Anovab模型平方和df均方FSig.1回归501392.9782250696.48957.141.000a残差52647.956124387.330总计554040.93314a. 预测变量: (常量), 食品价格/元, 收入。b. 因变量: 食品支出系数a模型非标准化系数标准系数B标准 误差试用版tSig.1(常量)-224.615107.578-2.088.059收入.426.060.8427.136.000食品价格/元220.615167.583.1551.316.213a. 因变量: 食品支出系数a模型相关性共线性统计量零阶偏部分容差VIF1收入.944.900.635.5

9、691.758食品价格/元.708.355.117.5691.758a. 因变量: 食品支出共线性诊断a模型维数方差比例特征值条件索引(常量)收入食品价格/元112.9721.000.00.00.002.01812.775.84.41.023.01017.091.16.59.97a. 因变量: 食品支出残差统计量a极小值极大值均值标准 偏差N预测值566.771237.49798.07189.24515残差-142.930101.570.00061.32315标准 预测值-1.2222.322.0001.00015标准 残差-2.1581.533.000.92615a. 因变量: 食品支出*

10、曲线估计. TSET NEWVAR=NONE. CURVEFIT /VARIABLES=食品支出 WITH 收入 /CONSTANT /MODEL=LOGARITHMIC /PRINT ANOVA /PLOT FIT.曲线拟合数据集2 模型描述模型名称MOD_1因变量1食品支出方程1对数自变量收入常数包含其值在图中标记为观测值的变量未指定个案处理摘要N个案总数15已排除的个案a0已预测的个案0新创建的个案0a. 从分析中排除任何变量中带有缺失值的个案。变量处理摘要变量因变量自变量食品支出收入正值数1515零的个数00负值数00缺失值数用户自定义缺失00系统缺失00食品支出对数模型汇总RR 方调

11、整 R 方估计值的标准误.943.890.88168.521自变量为 收入。ANOVA平方和df均方FSig.回归493004.3931493004.393105.004.000残差61036.541134695.119总计554040.93314自变量为 收入。系数未标准化系数标准化系数B标准误BetatSig.ln(收入)994.35697.038.94310.247.000（常数）-6734.315735.285-9.159.0002.实验二2.1实验目的掌握spass软件安装掌握spass软件相关的操作2.2实验内容学会使用spass软件对数据进行时序分析2.3实验要求熟悉时序分析的基

12、本操作理解自相关函数在模型构建中的作用能够利用SPSS建立ARIMA模型，并对结果进行正确的解释使用SPSS中的图形与分析等基本功能对数据进行分解2.4实验步骤与结果A.打开spss软件，点击“图形-旧对话框-线图”。在对话框中选择简单、个案值，选择变量进行分析B.计算残差，选择菜单“分析-预测-自相关”将左边变量导入右边C.去除周期，构造具有时间序列为12，选择菜单中“转换-创建时间序列”D.在对话框中设置新的时间序列选择“转换-计算变量”E.时序分析结果，此时的结果有的出现错误，经过几次也没输出正确结果图表附注创建的输出27-六月-2015 14时53分49秒注释输入数据C:UsersAd

13、ministratorDesktop数据时序分析.sav活动的数据集数据集1过滤器权重拆分文件工作数据文件中的 N 行50语法GRAPH /LINE(SIMPLE)=VALUE(QUARTER_).资源处理器时间0:00:00.547已用时间0:00:00.547数据集1 C:UsersAdministratorDesktop数据时序分析.sav回归附注创建的输出27-六月-2015 14时56分38秒注释输入数据C:UsersAdministratorDesktop数据时序分析.sav活动的数据集数据集1过滤器权重拆分文件工作数据文件中的 N 行50缺失值处理对缺失的定义用户定义的缺失值作为

14、缺失数据对待。使用的案例统计是在所使用的变量不带有缺失值的案例基础上进行的。语法REGRESSION /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT QUARTER_ /METHOD=ENTER MONTH_.资源处理器时间0:00:00.000已用时间0:00:00.000所需内存1420 个字节残差图需要额外内存0 个字节输入移去的变量b模型输入的变量移去的变量方法1MONTH, period 12a.输入a. 已输入所有请求的变量。b. 因

15、变量: QUARTER, period 4模型汇总模型RR 方调整 R 方标准 估计的误差1.973a.947.946.267a. 预测变量: (常量), MONTH, period 12。Anovab模型平方和df均方FSig.1回归60.905160.905855.976.000a残差3.41548.071总计64.32049a. 预测变量: (常量), MONTH, period 12。b. 因变量: QUARTER, period 4系数a模型非标准化系数标准系数B标准 误差试用版tSig.1(常量).466.0776.032.000MONTH, period 12.313.011.9

16、7329.257.000a. 因变量: QUARTER, period 4ACF VARIABLES=QUARTER_ /NOLOG /MXAUTO 16 /SERROR=IND /PACF.数据集1 C:UsersAdministratorDesktop数据时序分析.sav模型描述模型名称MOD_1序列名1QUARTER, period 4转换无非季节性差分0季节性差分0季节性期间的长度12最大滞后数16为计算自相关的标准误而假定的过程独立性（白噪音）a显示并绘图所有滞后正在应用来自 MOD_1 的模型指定。a. 不适用于计算偏自相关的标准误。个案处理摘要QUARTER, period 4序

17、列长度50缺失值数用户缺失0系统缺失0有效值数50可计算的第一滞后数49QUARTER, period 4自相关图序列:QUARTER, period 4滞后Box-Ljung 统计量自相关标准 误差a值dfSig.b1.595.13718.7611.0002.189.13620.7022.0003-.149.13421.9293.0004-.263.13325.8284.0005-.376.13234.0135.0006-.512.13049.5316.0007-.409.12959.6217.0008-.305.12765.3638.0009-.223.12668.5169.00010.1

18、14.12469.36410.00011.451.12282.94511.00012.766.121123.10312.00013.454.119137.58913.00014.142.118139.04414.00015-.103.116139.83215.00016-.186.114142.46616.000a. 假定的基础过程是独立性（白噪音）。b. 基于渐近卡方近似。偏自相关序列:QUARTER, period 4滞后偏自相关标准 误差1.595.1412-.254.1413-.230.1414-.014.1415-.278.1416-.376.1417.033.1418-.320.1419-.451.14110.469.14111.117.14112.253.14113-.364.14114.010.14115-.109.14116.114.141CREATE /QUARTE_1=DIFF(QUARTER_ 1).创建附注创建的输出27-六月-2015 15时01分25秒注释输入数据C:UsersAdministratorDesktop数据