《城市热岛影响因素分析方法》-课件设计（公开）.pptVIP

谢谢！ 四、数据主成分分析方法（提取） 先进行相关分析 四、数据主成分分析方法（提取） 进行主成分分析 四、数据主成分分析方法 相关性 ? 年末人口总计 地区生产总值 全社会用电 年末人口总计 Pearson 相关性 1 .393 .295 显著性（双侧） ? .183 .328 N 13 13 13 地区生产总值 Pearson 相关性 .393 1 .854** 显著性（双侧） .183 ? .000 N 13 13 13 全社会用电 Pearson 相关性 .295 .854** 1 显著性（双侧） .328 .000 ? N 13 13 13 煤气供气总量 Pearson 相关性 .624* .934** .857** 显著性（双侧） .030 .000 .000 N 12 12 12 年均温度 Pearson 相关性 -.315 .308 .343 显著性（双侧） .295 .306 .251 N 13 13 13 由相关系数看出，煤气供气总量与其余四个变量之间存在显著相关性，其余变量间也存在显著相关性，可以进行主成分分析。 煤气供气总量 年均温度 .624* -.315 .030 .295 12 13 .934** .308 .000 .306 12 13 .857** .343 .000 .251 12 13 1 .144 ? .655 12 12 .144 1 .655 ? 12 13 四、数据主成分分析方法（提取） 公因子方差 ? 初始 提取 年末人口总计 1.000 .801 地区生产总值 1.000 .913 全社会用电 1.000 .871 煤气供气总量 1.000 .973 年均温度 1.000 .846 此表为变量共同度，表中“提取”项中的数据如果都大于0.85，即表示提取的主成分对每个变量的解释成都都较高。 如果变量的共同度过很低，如不到0.5，说明提取的主成分没有包含此变量的信息，就要增加主成分的个数。 四、数据主成分分析方法（提取） 解释的总方差 成份 初始特征值 提取平方和载入 特征根 方差的 % 累积 % 合计 方差的 % 累积 % 1 3.108 62.155 62.155 3.108 62.155 62.155 2 1.297 25.932 88.087 1.297 25.932 88.087 3 .417 8.336 96.423 ? ? ? 4 .145 2.896 99.320 ? ? ? 5 .034 .680 100.000 ? ? ? 此表为“方差贡献表”，方差的%代表每个特征根对方差的贡献； 有两个特征根大于1，可提取1、2两个主成分； 第1个特征根为3.108，方差贡献率为67.122%，第2个特征根为1.297，方差贡献率为25.932，两者累计贡献率为92.323%； 所以提取两个主成分是比较合适的。 四、数据主成分分析方法（提取） 按特征根大小排列的主成分分析图； 在第三特征根处变平缓，表明可提取两个主成分。 热岛影响因素数据研究方法初步研究 葛荣凤 2013年8月 内容大纲 数据相关性处理方法 数据一元线性回归方法 数据多元线性回归方法 数据主成分分析方法 一、数据相关性处理方法 1 信息源 （1）气象数据（因变量）： “中国气象数据科学共享服务网”中查找到的北京、天津及各主要城市的2012年年均温度值； （2）城市相应数据（自变量）：从2012年《中国统计年鉴》获取北京、天津及各主要城市的用电、工业产值、绿化等数据。 2 分析方法 使用spss统计软件对获取的数据进行相关性研究（双相关）、各变量间的一元线性回归、多元线性回归、及主因子分析。 一、数据相关性处理方法 城市 年末人口总计 自然增长率 第一产业 第二产业 第三产业 建成区面积 人口密度 地区生产总值 固定资产总值 固定资产投资额 年末实有城市道路面积 全社会用电 煤气供气总量 建成区绿化覆盖率 年均温度 北京 12277.9 5.6 2.36 166.03 517.49 1231 778.7 16252 5133.7 5851 9164 801.9 80 51.59 12.9 天津 996.4 5.1 0.6 157.84 109.8 711 847.31 11307 6232.5 7484 10492 69.5 17 34.51 12.5 沈阳 7227.7 -0.1 0.96 44.15 75.69 430 556.77 5916 2576.8 4577 6223 217 4 42 7.4 长春 761.8 4.2 1.23 37.93 55.79 418 369.72 4003 1627,3 2357 5913 133.3 4 36.35 5.2