31相关分析.ppt

第3章 地理学中的经典统计分析方法 本章主要内容 相关分析 回归分析 时间序列分析 系统聚类分析 主成分分析 趋势面分析方法 马尔可夫预测方法 第1节 相关分析 相关分析的任务，是揭示地理要素之间相互关系的密切程度。 本节内容： 一 地理相关的意义和类型 二 两要素间相关程度的测定 三 多要素间相关程度的测定 一 地理相关的意义和类型 1 地理相关的意义 相关，指两个或两个以上变量间关系是否密切。 在地学中，许多地学现象彼此之间都存在有机的联系、互相依赖互相制约，地理相关就是应用相关分析法来研究各地理要素间的相互关系和联系强度的一种度量指标。 问题： 中国粮食产量和化肥使用量的关系？ 2 地理相关的类型 (1) 按相关的程度分为完全相关、相关和不相关。 (2) 按相关的形式分为线性相关和非线性相关 (3) 按相关的方向分为正相关和负相关 (4)按影响因素的多少分为单相关和复相关。 如果研究的是一个变量同另一个变量的相关，就称单相关。 如果研究若干个变量对一个变量的影响，称为复相关。 本节内容： 一 地理相关的意义和类型 二 两要素间相关程度的测定 三 多要素间相关程度的测定 二 两要素间相关程度的测定 （一）简单直线相关程度的度量 当探讨两个要素间为直线相关时，就要研究它们之间的相关程度和方向； 相关系数（Correlation coefficient)是用来度量直线相关程度和方向的统计量。 1 积差相关系数（Pearson相关系数） 积差相关是英国统计学家皮尔逊（Pearson)于20世纪初提出的一种计算相关的方法，因而也被称为皮尔逊积差相关。 积差相关适用于： * 两变量都是数量标志的数据； * 两变量总体都为正态分布； * 两变量之间为线性关系。 先引入协方差（Covariance)的概念：两个变量之间的方差称为协方差。 这就意味这协方差函数描述了两个变量之间的相关程度，协方差绝对值越大，两个变量之间的相关程度越强，反之则越弱。 但是由于受到变量单位量纲的影响，难以确切判定相关程度的大小。 例如 能说明两变量之间存在显著的线性相关吗？ 积差相关系数定义为两个变量之间的协方差除以它们的标准差。 例：北京市多年各月平均气温与5cm深的平均地温数据如下： 月份： 1 2 3 4 5 6 7 8 9 10 11 12 气温(x): -4.7 -2.3 4.4 13.2 20.2 24.2 26.0 24.6 19.5 12.5 4.0 -2.85cm地温(y): -3.6 -1.4 5.1 14.5 22.3 26.9 28.2 26.5 21.1 13.4 4.6 -1.9 第一步，作两要素之间的散点图，观察点的分布状况；  月份：1 2 3 4 5 6 7 8 9 10 11 12 气温(x): -4.7 -2.3 4.4 13.2 20.2 24.2 26.0 24.6 19.5 12.5 4.0 -2.85cm地温(y): -3.6 -1.4 5.1 14.5 22.3 26.9 28.2 26.5 21.1 13.4 4.6 -1.9 2 顺序相关系数（Spearman相关系数） 将两要素的样本值按数据的大小顺序排列位次，以各要素的样本值的位次代替实际数据而求得的一种统计量。 表示两要素顺序间直线相关程度和方向的系数，称为顺序相关系数。 什么情况下使用顺序相关系数（Spearman)判断两要素之间的相关性？ 选择 Analyze→Correlate→Bivariate,弹出Bivariate Correlations窗口 3 相关系数的显著性检验 在实际的客观分析中，相关系数一般都是利用样本数据计算的，因而带有一定的随机性。样本容量越小其可信度就越差，因此也需要进行检验。 如果两变量之间的相关系数趋于0，能说它们毫不相关吗？ （二）简单非线性相关程度的度量 当研究简单非线性相关程度时，因曲线方向不想直线方向那样固定，所以只能探讨其相关程度而不能探讨其相关方向。 表示非线性相关程度的统计量，用相关指数Ryx来度量