计理地理学.pptVIP

技 术 路 线 技 术 路 线 SPSS应用 小组分工 时间序列分析：北京季节性气温模型预测 主成分分析和系统聚类分析：城市基础设施发展水平研究 PPT整合与汇报 查阅文献 收集数据 定量分析 得出结论 提出问题 时间序列 方法：时间序列 数据：北京市2009~2013年四个季度气温数据 数据来源：中国统计年鉴 STEP 1：原始数据整理 STEP2：分析——预测——季节性分解 模型描述 模型名称 MOD_1 模型类型 可加 序列名称 1 VAR00002 季节性期间的长度 4 移动平均数的计算方法 跨度等于周期加 1，端点权重为 0.5 正在应用来自 MOD_1 的模型指定。 ? 季节性分解 序列名称:VAR00002 DATE_ 原始序列 移动平均数序列 原始序列与移动平均数序列的差分 季节性因素 季节性调整序列 平滑的趋势循环序列 不规则（误差）分量 Q1 2009 5.000 . . -37.37344 42.373 41.956 .41736 Q2 2009 65.000 . . 22.40156 42.598 40.897 1.70104 Q3 2009 73.800 38.9125 34.88750 36.07969 37.720 38.780 -1.05972 Q4 2009 15.200 37.1500 -21.95000 -21.10781 36.308 37.056 -.74861 Q1 2010 -1.700 36.5500 -38.25000 -37.37344 35.673 36.453 -.77917 Q2 2010 57.600 37.2750 20.32500 22.40156 35.198 37.044 -1.84583 Q3 2010 76.400 38.3250 38.07500 36.07969 40.320 38.547 1.77361 Q4 2010 18.400 39.6375 -21.23750 -21.10781 39.508 39.623 -.11528 Q1 2011 3.500 40.0125 -36.51250 -37.37344 40.873 40.108 .76528 Q2 2011 62.900 39.9625 22.93750 22.40156 40.498 40.022 .47639 Q3 2011 74.100 39.8875 34.21250 36.07969 38.020 39.680 -1.65972 Q4 2011 20.300 39.7125 -19.41250 -21.10781 41.408 39.901 1.50694 Q1 2012 1.000 39.9000 -38.90000 -37.37344 38.373 39.730 -1.35694 Q2 2012 64.000 39.2500 24.75000 22.40156 41.598 39.511 2.08750 Q3 2012 74.500 38.4375 36.06250 36.07969 38.420 38.436 -.01528 Q4 2012 14.700 37.6125 -22.91250 -21.10781 35.808 37.412 -1.60417 Q1 2013 .100 37.0125 -36.91250 -37.37344 37.473 37.064 .40972 Q2 2013 58.300 37.7875 20.51250 22.40156 35.898 37.578 -1.67917 Q3 2013 75.400 . . 36.07969 39.320 38.776 .54479 Q4 2013 20.000 . . -21.10781 41.108 39.374 1.73333 *从上图“模型描述”中给出了当前模型所使用的分析变量和模型参数。 *季节性分解结果中给出了对每个观测的季节分解结果，各成分的含义如表头所示。 ? STEP3:作图分析:分析——预测——序列图, 导入“温度、STC（序列的趋势和循环成分）、SAS（去除季节成分后的序列）” 出图：如图所示，描述了原始序列（蓝色）、趋势循环序列（黄色）、和季节调整序列（绿色）的趋势线，其中去除季节和误差因素后的趋势循环序列表现出明显的趋势性，可用回归分析等其它分析方法加以研究。 STEP4：做散点图，大致分析出其函数图 STEP5：分析——回归分析——曲线估计 结果如图：可推测出其函数模型应为三次项 基于主成分分析和聚类分析的城市基础设施发展水平研究 查阅文献 收集数据 定量分析 得出结论 提出