實(shí)驗(yàn)1：地理數(shù)據(jù)的統(tǒng)計(jì)處理

實(shí)驗(yàn)步驟與結(jié)果分析：

1.點(diǎn)擊菜單欄【文件】下拉選項(xiàng)框，打開已經(jīng)下載好的Excel表“"D:\桌面\計(jì)量地理學(xué)實(shí)習(xí)\表2-1某地區(qū)有關(guān)農(nóng)業(yè)統(tǒng)計(jì)數(shù)據(jù).xls"”，如下圖所示：

2.點(diǎn)擊菜單欄上面的【分析】—【描述統(tǒng)計(jì)】—【頻率】工具，如下圖所示：

?3.將需要進(jìn)行統(tǒng)計(jì)分析的變量選中加載到右邊，點(diǎn)擊確定得到如下結(jié)果（每個(gè)變量因子的頻數(shù)統(tǒng)計(jì)表）：

4.選中【分析】—【描述統(tǒng)計(jì)】—【描述】工具，將需要進(jìn)行統(tǒng)計(jì)分析的變量選中加載到右邊，如下圖所示：

5.點(diǎn)擊確定得到如下輸出結(jié)果（每個(gè)變量的統(tǒng)計(jì)參數(shù)）：

?6.最后將其導(dǎo)出為柱狀圖，更加直觀的查看各個(gè)變量之間的統(tǒng)計(jì)參數(shù)差別，導(dǎo)出圖表如下圖所示：

?

實(shí)驗(yàn)2：相關(guān)分析

實(shí)驗(yàn)步驟與結(jié)果分析

1.實(shí)驗(yàn)數(shù)據(jù)整理準(zhǔn)備后加載到SPSS，如下圖所示：

在進(jìn)行雙變量相關(guān)分析前，我們需要對數(shù)據(jù)進(jìn)行相關(guān)性檢驗(yàn)，選中菜單欄【圖形】|【回歸變量圖】

將兩個(gè)變量分別加載進(jìn)來，如下圖所示：

可以看到兩者之間是屬于負(fù)相關(guān)。

4.由于我們的相關(guān)分析是兩個(gè)變量之間的分析，為此我們打開【分析】—【相關(guān)】—【雙變量】工具，將兩個(gè)變量【水土流失面積】和【土壤含氮量】加載進(jìn)去，

5.從表中可以看到，水土流失面積和土壤含氮量存在相關(guān)關(guān)系，其相關(guān)系數(shù)為-0.946，呈現(xiàn)中度相關(guān)性，且在0.01的顯著性水平上顯著，即樣本數(shù)據(jù)中的這個(gè)相關(guān)性在總體中一樣有效。

實(shí)驗(yàn)3：主成分分析

實(shí)驗(yàn)步驟與結(jié)果分析：

1.數(shù)據(jù)準(zhǔn)備，在SPSS載入“"D:\桌面\計(jì)量地理學(xué)實(shí)習(xí)\主成分分析.xlsx"”數(shù)據(jù)，如下圖所示：

2.打開【分析】|【降維】|【因子分析】工具，將數(shù)據(jù)中除了【城市】這個(gè)變量，其余變量全部添加進(jìn)去，

3.點(diǎn)擊【描述】，勾選新打開界面的【系數(shù)】選項(xiàng)和【抽取】中的【碎石圖】選項(xiàng)（使得分析結(jié)果更為直觀），如下圖所示：

點(diǎn)擊確定得到主成分分析運(yùn)算結(jié)果。在公因子方差（Communalities）表中，給出了因子載荷陣的初始公因子方差（Initial）和提取公因子方差（Extraction）。

?總方差解釋：

?

5.該表按順序排列出主成分得分的方差（Total），在數(shù)值上=相關(guān)系數(shù)矩陣的各個(gè)特征根λ，因此可以直接根據(jù)特征根計(jì)算每一個(gè)主成分的方差百分比和方差累計(jì)值。由圖可知，主成分是兩個(gè)，都是方差（特征根）大于1的，第一主成分占比重62.602%，第二主成分占比重23.514%，這兩個(gè)主成分達(dá)到85.116%，超過了85%，可以說用這兩個(gè)指標(biāo)評價(jià)各省份的經(jīng)濟(jì)可以近似代替原來的10個(gè)指標(biāo)。主成分的數(shù)目可以根據(jù)相關(guān)系數(shù)矩陣的特征根來判定。相關(guān)系數(shù)矩陣的特征根剛好等于主成分的方差，而方差是變量數(shù)據(jù)蘊(yùn)涵信息的重要判據(jù)之一。

?6.從碎石圖看的話也可以知道由圖直觀的看出，成分1、2包含了大部分信息，從3開始就基本趨向平穩(wěn)狀態(tài)了。

7.該表是主成分載荷矩陣，每一列載荷值都顯示了各個(gè)變量與有關(guān)主成分的相關(guān)系數(shù)。以第一列為例，0.69實(shí)際上是總?cè)丝谂c第一個(gè)主成分的相關(guān)系數(shù)。

8.事實(shí)上，有如下關(guān)系成立：相關(guān)系數(shù)矩陣的特征根＝方差貢獻(xiàn)＝主成分得分的方差。兩個(gè)主成分可以解釋各個(gè)變量達(dá)到了最小72.9%，最大97%，如果我們將8個(gè)主成分全部提取，則主成分載荷的行平方和都等1，就是第一張表上面的起始公因子方差。到此可以明白：在Communalities中，Initial對應(yīng)的是初始公因子方差，實(shí)際上是全部主成分的公因子方差，Extraction對應(yīng)的是提取的主成分的公因子方差，我們提取了兩個(gè)主成分，故計(jì)算公因子方差時(shí)只考慮兩個(gè)主成分。

提取主成分的原則上要求公因子方差的各個(gè)數(shù)值盡可能接近，亦即要求它們的方差小，當(dāng)公因子方差完全相等時(shí)，它們的方差為0，這就達(dá)到理想狀態(tài)。實(shí)際應(yīng)用中，只要公因子方差數(shù)值彼此不相差太遠(yuǎn)就行了。從上面給出的結(jié)果可以看出：提取兩個(gè)主成分的時(shí)候，變量客運(yùn)總量（萬人）的公因子方差偏小，這暗示提取2個(gè)主成分，客運(yùn)總量（萬人）方面的信息可能有較多的損失。至于方差貢獻(xiàn)，反映對應(yīng)主成分的重要程度。

總結(jié)，決定主成分?jǐn)?shù)目的3個(gè)原則：1.只取λ>1的特征根對應(yīng)的主成分；2.累計(jì)百分比達(dá)到80%~85%以上的λ值對應(yīng)的主成分；3.根據(jù)特征根變化的突變點(diǎn)決定主成分的數(shù)量；

9.接下來根據(jù)得到的特征值和主成分載荷值（需要復(fù)制到excel表中整理在SPSS打開）計(jì)算每一個(gè)變量的特征向量，打開【轉(zhuǎn)換】|【計(jì)算變量】工具，在目標(biāo)變量中輸入新的名字，輸入公式：V1（第一主成分的載荷值）/SQRT（第一主成分的特征值6.26），對于第二主成分計(jì)算其特征向量也是一樣的操作。

10.兩個(gè)主成分的特征向量計(jì)算結(jié)果：

將Ui與10個(gè)變量的標(biāo)準(zhǔn)化值相乘即可得到兩個(gè)主成分Y1、Y2的表達(dá)式:

Y1=0.28*X1+0.06X2+0.24X3+0.34X4+0.19X5+0.38X6+0.36X7+0.38X8+0.38X9+0.38X10

Y2=0.42*X1-0.55X2+0.44X3-0.21X4+0.44X5-0.03X6-0.22X7-0.12X8-0.01X9-0.17X10

實(shí)驗(yàn)4：因子分析

實(shí)驗(yàn)步驟與結(jié)果分析：

1.數(shù)據(jù)準(zhǔn)備，在SPSS載入“"D:\桌面\計(jì)量地理學(xué)實(shí)習(xí)\因子分析.xlsx"”數(shù)據(jù)。

2.打開【分析】|【降維】|【因子分析】工具，將數(shù)據(jù)中除了【城市】這個(gè)變量，其余變量全部添加進(jìn)去，

3.分別點(diǎn)擊【描述】、【抽取】和【旋轉(zhuǎn)】中的相關(guān)選項(xiàng)，如下圖所示：

4.從運(yùn)行結(jié)果上可以看到KMO值為0.762，接近于1，說明這些數(shù)據(jù)適合進(jìn)行因子分析。同時(shí)Bartlett球形度檢驗(yàn)中的Sig值為0.000，小于顯著水平0.05，說明變量之間存在相關(guān)關(guān)系，可以做因子分析。

公因子方差最小值為0.73，所有的變量都可以使用公因子進(jìn)行表達(dá)。

這是旋轉(zhuǎn)成份矩陣。

實(shí)驗(yàn)5：聚類分析

實(shí)驗(yàn)步驟與結(jié)果分析：

1.數(shù)據(jù)準(zhǔn)備，在SPSS載入“"D:\桌面\計(jì)量地理學(xué)實(shí)習(xí)\聚類分析.xlsx"”數(shù)據(jù)。

2.打開【分析】|【分類】|【系統(tǒng)聚類】工具，將數(shù)據(jù)中所有的變量全部添加進(jìn)去，并且設(shè)置相關(guān)選項(xiàng)的設(shè)置，具體如下圖所示：

2.首先給出的是樣品處理摘要（CaseProcessingSummary）。摘要告訴我們?nèi)缦聝?nèi)容：有效樣品的數(shù)目和百分比，缺失樣品的數(shù)目和百分比，全部樣品的數(shù)目和百分比。由于沒有數(shù)據(jù)缺失，故全部21個(gè)樣本參與聚類，有效樣品為100%。

3.從進(jìn)度表可以看出，第1階段（Stage1），首先將第12號樣品和第13號樣品聚為一類，這兩個(gè)樣品的夾角余弦值最大，為623.445。

4.根據(jù)樹形圖，選擇適當(dāng)?shù)某叨确譃槿舾深悺Ｈ缓髮Ψ诸惤Y(jié)果進(jìn)行分析，考察結(jié)果是否符合實(shí)際。

實(shí)驗(yàn)6：多元線性回歸分析

實(shí)驗(yàn)步驟與結(jié)果分析：

1.數(shù)據(jù)準(zhǔn)備，在SPSS載入“"D:\桌面\計(jì)量地理學(xué)實(shí)習(xí)\多元線性回歸分析.xlsx"”數(shù)據(jù)。

打開【分析】|【回歸】|【線性】工具，將數(shù)據(jù)中所有的變量全部添加進(jìn)去，并且設(shè)置相關(guān)選項(xiàng)的設(shè)置，具體如下圖所示：

3.相關(guān)選項(xiàng)設(shè)置如下圖所示：

將標(biāo)準(zhǔn)化殘差“*ZRESID”選入“Y”中，將標(biāo)準(zhǔn)化預(yù)測值“*ZPRED”選入“X”中，勾選直方圖和正態(tài)概率圖，點(diǎn)擊繼續(xù)。

4.結(jié)果解讀

由表可知DW值接近于2，自變量的自相關(guān)性不明顯，模型設(shè)計(jì)得好，調(diào)整后的R方為0.99，模型擬合度非常好。

顯著性表示自變量對因變量的影響程度，小于0.05表示于顯著影響，越小影響越大，由表可以知道年降水量和年蒸發(fā)量對徑流深度有顯著影響。

VIF用于共線性診斷（變量之間的關(guān)聯(lián)度），當(dāng)0<VIF<10時(shí)，不存在多重共線性，由表可知年降水量和年蒸發(fā)量之間不存在多重共線性。

但是根據(jù)直方圖可以知道直方圖和正態(tài)曲線較為不吻合，說明殘差不符合正態(tài)分布。

實(shí)驗(yàn)7：馬爾可夫分析

實(shí)驗(yàn)步驟與結(jié)果分析：

1.時(shí)間序列數(shù)據(jù)整理后加載到Excel中，如下圖所示：

?其中E1、E2和E3分別使用1、2和3代替，年份統(tǒng)一使用1-40代替，

2.為了計(jì)算狀態(tài)的轉(zhuǎn)移矩陣，我使用二維折線圖直觀顯示3個(gè)狀態(tài)隨著年份之間的相互轉(zhuǎn)變：

由圖可知，

?從而得到初始轉(zhuǎn)移矩陣

?3.2004年是E2狀態(tài)，也就是2，預(yù)測2030年的農(nóng)業(yè)收成，需要求出26步轉(zhuǎn)移矩陣，為此我們需要計(jì)算初始轉(zhuǎn)移矩陣的26次方，如下圖所示：

?經(jīng)過專業(yè)軟件計(jì)算初始轉(zhuǎn)移矩陣的26次方結(jié)果為：

4.由于2004年的狀態(tài)向量為（7/13，2/13，4/13），也就是（0.538，0.154，0.308），求出26年后的狀態(tài)向量：

計(jì)算結(jié)果為（0.365，0.353，0.282），為此可以知道在2030年的農(nóng)業(yè)收成狀態(tài)大概率是E1（很好）。

總結(jié)

以上是生活随笔為你收集整理的SPSS常用的几种统计分析的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。