地理学研究的模型方法spss.pptVIP

一、数据输入 1.Name变量名称：首字必须是字母、变量名不多于8个字符。 2.Type数据变量类型：Numeric标准、String字符、Date日期 3.Width变量格式宽度：指数据窗口中变量列所占单元格的列宽度。不同于变量宽度。若变量宽度变量格式宽度，在数据窗口中显示变量名的字符数不够，变量名将被截去尾部而不完全显示。输入的数据可能截去尾部，用“*”号代替。 4.Decimals小数位数 5.Label变量标签：是对变量的附加说明。 6.Value值标签：是对变量的可能取值附加的进一步说明。如果将它定义为一个数字型变量，在值标签开关开启时，要输入部门名称，只需要输入它的值，就可显示出值标签。 7.Missing缺失值：指没测到、没记录到、或结果明显错误的数据。系统默认的数值型缺失值为0，字符型缺失值为空格，我们也可自定义缺失值。如把小麦亩产量大于1500公斤的数据记为缺失值。 8.Alignment单元格对齐格式：有左中右之分。 9. Measurement测度：Scale定比测度（取值于一个区间或连续变量，如身高、收入），Ordinal定序测度（无论是数字型还是字符型，只要有顺序分类，如大中小、优良中差），Nominal定类测度（若是不具有某种内在顺序分类的字符型变量，如地理区域的划分、公司部门等，可设置为Nominal测度）。 二、数据标准化 1.标准化公式：Zi=(xi-x均)/s 其中：x均为算术平均值；s为标准差（样本方差） S=[1/(n-1)Σ(xi-x均)2]1/2 2.方法 Analyze→Descriptive Statistics→Descriptives，打开Descriptives对话框，选Save Standardized Value Variables 三、方差分析 (一)单因素方差分析及其原理 1.在科学研究中，需要在诸多因素中，分析哪些因素对该事物有显著影响？影响因素如何搭配效果最佳？影响因素间是否有交互作用？方差分析就是处理这类问题的统计分析方法。 2.单因素方差分析基本原理 研究因素影响是否显著，就是检验如下假设： H0：μ1=μ2=…=μr 当p0.05（系统默认的显著性概率值）时，推翻原假设， 认为这些因素的影响是显著的，说明这些因素造成的均值差异有统计意义；否则认为影响是不显著的。 3.方法 Analyze→Compare Means→One-Way Analysis of Variance。 分别输入因变量Dependent List和因素变量Factor。 Significance leve确定显著性水平，一般选0.1,0.05,0.01，系统默认的显著性概率为0.05。 4.结果分析 表中第一列为方差来源：①组间（由于因素不同水平或位级所造成的差异）；②组内（由于偶然或不可控制的随机因素所造成的差异）；③总平方和。 表中第一行：平方和；df为自由度;均方;F为组间均方除以组内均方的商; Sig.为F分目的显著性概率。 (二)单变量多因素方差分析 研究一个因变量与多个独立自变量或因素间的关系。 1.多因素方差分析基本原理 研究因素影响是否显著，就是检验各因素及它们之间的交互作用对总体均值影响是否显著，即检验如下假设均方差： H0A=σ1=σ2=…=σr; H0B=β1=β2=…=βr; H0A×B=γ1=γ2=…=γr; 2.方法 Analyze→General Linear Model→Univariate 分别输入因变量Dependent List和多个不变因素Fixed Factor 3.结果分析 有2个表： 表①为主因素变量信息表（Between-Subjects Factors），含变量取值及频数N。 表②为主效应方差分析表（Tests of Between-Subjects Effects）.表中第一行分别为：Source为方差来源；Type Ⅲ Sume为按系统默认Ⅲ型草方和计算出的离差平方和； df为自由度；Mean Square为均方，即平方和与自由度之商;F为[Σ(xi-x均)2]1/2与[Σ随机误差平方和]1/2之比；Sig.为接受原假设的显著性概率。表中第一列分别为：修正模型;截距平方和（截距指线性模型中的截距）;因素1;因素2;因素1*因素2交互效应;误差;因变量的总平方和;修正模型的总平方和。 三、相关分析 1.二元变量相关分析 方法：Analyze→Correlate→Bivariate(二元变量) ，选了Flags significante correlations项，显著水平0.05以下显著相关的相关系数用*标记，显著水平0.01以下显著相关的相关系数用**标记。 Pearson皮尔逊相关系