地理建模原理实验报告.docx

YOUR LOGO 地理建模原理实验报告 集团标准化小组：[VVOPPTJOPP2JPPTL98-LOPPNN] 地理建模原理实验报告 学 号： 姓 名： 高义丰 班 级： 1223102 专 业： 地理信息系统 指导老师： 陵南燕 2015年6月27日 目录 一、 实习项目 学习SPSS软件，学会如何该软件进行因子分析与回归分析（课堂）； 学习SPSS软件，学会如何该软件随机时序分析（课堂）； 利用SPSS软件，完成数据文件里的一系列操作。 二、 实习目的 在实习后根据老师讲解的内容能够对SPSS软件有所了解并能够掌握如何用统计软件进行相矣分 析、因子分析和回归分析等用实习数据完成此类实习操作，相关分析与回归分析有相关系数、相关分 析与偏相关分析、距离分析。 三、实习内容 1、简单相关分析 在进行相关分析时，散点图是重要的工具，分析前应先做散点图，以初步确定两个变量间是否存 在相矣趋势，该趋势是否为直线趋势，以及数据中是否存在异常点。否则可能的出错误结论。 输入数据后，依次单击Graphs —* Scatterplot 散点图 确定两个变量间是否存在相关趋势，该趋势是否为直线趋势 Bivariate相关分析的步骤： (1)输入数据后依次单击 Analyze — Correlate—Bi variate,打开 Bivariate Correlations 对话 框。 如图打开双变量相关后在点选项就会得到结果图右边结果，如图设置即可得到结果 结果分析： 描述性统计量表，如下： 从表中可看出，Pearson相矣系数为0.865,即小鸡的体重与鸡冠的相矣系数为0.865,显着性水平是 0.01,这两者之间不相矣的双尾检验值为0. 001。从统计结果可得到，小鸡的体重与鸡冠重之间存在正 相矣矣系，当小鸡的体重越大时，则小鸡的鸡冠越重。并且，否定了小鸡的体重与鸡冠重之间不相关 的假设。 2、偏相关 当有多个变量存在时，为了研究任何两个变量之间的关系，而使与这两个变量有联系的其它变量 都保持不变。即控制了其它一个或多变量的影响下，计算两个变量的相矣性。偏相关系数是用来衡 量任何两个变量之间的关系的大小。 选择 Analyze —* Correlate—Part ial 打开偏相关，如下: 在统计学中，自由度(DF)指的是计算某一统计量时，取值不受限制的变量个数。通常df=n.ko其中 n为样本含量，k为被限制的条件数或变量个数，或计算某一统计量时用到其它独立统计?量的个数。 自由度通常用于抽样分布中。 结果分析：在固定变量x2TY与xl的偏相笑系数为0. 9483在尸0. 001 T线性关系显着。 3、距离过程 距离相关分析是：对观测量之间或变量之间相似或不相似的程度的一种测量，可用于同一变量内部 各个取值间，以考察其相互接近程度；也可以用于变量间，以考察预测测值对实际值的拟合优度。 距离相关分析的结果给出的是个变量或记录之间的距离大小，以供用户自行判断相似性。选择 Analyze — Correlate—Distances距离分析 设置如图所示点击确定就可以达到结果： Proximity Matrix h31 . 0()()? 573? h3 1 . 0()() ? 573 ? 731 Correlation between Vectors of Values h2 ?573 1.000 ? 0S8 h3 ?731 ?0S8 1.000 This is a similarity matrix 三次测量结果的相矣系数矩阵。第一次测量与第二次测量结果的r = 0.573,第一次测量与第三次 测量结果的r = 0.731,第二次测量与第三次测量结果的r = 0.088,山此可见，后两次测 量的结果一致性 较差，这意味着第一次恰好是后两次的“均值”，故对该指标作重复测量意义不大。 4、因子分析 因子分析的基本口的就是用少数儿个因子去描述许多指标或因素之间的联系，即将相矣比较密切 的儿*、变量归在同一类中，每一类变量就成为一个因子（之所以称其为因子，是因为它是不可观测 的，即不是具体的变量，这与聚类分析不同），以较少的丿屮、因子反映原资料的大部分信息。 选择[Analyze] = [Data Reduct ion] = [Factor],显示的[Factor Analysis] 结果分析： 共同度（公共因子方差），共同度越大表示X】对因子的共同依赖程度越大，因子描述变量越有 效° 两个因子对所有变量的共同度都很大，在0. 880到0. 988之间。 从结果可以看出五个变量在第一个因子上都具有大的正负荷，尤其是X4的负荷特别大。在第二个 因子上变量XI和X3都有较大的正负荷，X2和X5都有较大的负荷，XI、X3和X2、X5形成了鲜明的对 照，而在