地理建模實習報告

1、地理建模實驗報告學 號：姓 名：班 級：專 業(yè)： 地理信息系統(tǒng) 2015.6.28 目錄TOC o 1-3 h u HYPERLINK l _Toc367 1.實驗一 PAGEREF _Toc367 1 HYPERLINK l _Toc25744 1.1實驗目的 PAGEREF _Toc25744 1 HYPERLINK l _Toc16527 1.2實驗內容 PAGEREF _Toc16527 1 HYPERLINK l _Toc8023 1.3實驗要求 PAGEREF _Toc8023 1 HYPERLINK l _Toc25061 1.4實驗步驟與結果 PAGEREF _Toc25061

2、 1 HYPERLINK l _Toc27922 2.實驗二 PAGEREF _Toc27922 14 HYPERLINK l _Toc30113 2.1實驗目的 PAGEREF _Toc30113 14 HYPERLINK l _Toc15052 2.2實驗內容 PAGEREF _Toc15052 14 HYPERLINK l _Toc11314 2.3實驗要求 PAGEREF _Toc11314 14 HYPERLINK l _Toc15614 2.4實驗步驟與結果 PAGEREF _Toc15614 15 HYPERLINK l _Toc9361 3.實習總結 PAGEREF _Toc9

3、361 25 32/341.實驗一1.1實驗目的掌握spass軟件安裝掌握spass軟件相關的操作1.2實驗內容學會使用spass軟件對數(shù)據(jù)進行因子分析對數(shù)據(jù)進行回歸分析1.3實驗要求熟悉因子分析和回歸分析的基本操作理解因子分析和回歸分析中各選項的含義，能夠選擇合適的因子數(shù)，并對結果進行合適的解釋理解不同因子提取方法和不同旋轉方法對因子的影響能夠將描述性統(tǒng)計相關分析與回歸分析結合起來使用理解抽樣和分組1.4實驗步驟與結果（1）因子分析A.打開數(shù)據(jù)文件B.在spss軟件中打開“分析-降維-因子分析”進行因子分析C.將左邊的變量導入右邊點擊抽取同時選擇碎石圖、基于特征值D.點擊旋轉和得分，分別設置

4、參數(shù)設置完點擊確定E.因子分析的結果公因子方差初始風速1.000日光輻射1.000CO 1.000NO1.000NO21.000O31.000HC1.000提取方法：主成份分析。解釋的總方差成份初始特征值旋轉平方和載入合計方差的 %累積 %合計方差的 %累積 %12.67238.17238.1722.22231.73631.73621.65623.66261.8341.87126.72458.46031.07215.30977.1431.30818.68377.1434.70810.10887.2505.5738.18195.4316.2002.85898.2907.1201.710100.0

5、00提取方法：主成份分析。成份轉換矩陣成份1231.749.563-.3482-.655.707-.2683.096.429.898提取方法 :主成分分析法。 旋轉法 :具有 Kaiser 標準化的正交旋轉法。 成份得分協(xié)方差矩陣成份12311.000.000.0002.0001.000.0003.000.0001.000提取方法 :主成分分析法。 旋轉法 :具有 Kaiser 標準化的正交旋轉法。 構成得分。 旋轉成份矩陣a成份123風速-.727.415-.185日光輻射.017-.065.975CO .636.522-.083NO.859.135-.008NO2.722.233-.508

6、O3-.034.896.057HC.164.739-.233提取方法 :主成分分析法。 旋轉法 :具有 Kaiser 標準化的正交旋轉法。a. 旋轉在 5 次迭代后收斂。成份得分系數(shù)矩陣成份123風速-.399.274-.149日光輻射.099.128.811CO .253.242.076NO.399.007.093NO2.281-.009-.324O3-.086.543.199HC-.004.383-.055提取方法 :主成分分析法。 旋轉法 :具有 Kaiser 標準化的正交旋轉法。 構成得分。(2)回歸分析A.打開回歸分析數(shù)據(jù)B.點擊spss軟件中“分析-回歸-線性”進行線性分析C.將因

7、變量食品支出導入以及自變量導入收入和食品價格D.點擊統(tǒng)計量、選項、保存分別選擇相關的參數(shù)有估計、模擬合度、R方變化、在等式中包含的常量等參數(shù)，如下圖所示： E.回歸分析的結果輸入移去的變量模型輸入的變量移去的變量方法1食品價格/元, 收入a.輸入a. 已輸入所有請求的變量。模型匯總b模型RR 方調整 R 方標準 估計的誤差1.951a.905.88966.237a. 預測變量: (常量), 食品價格/元, 收入。b. 因變量: 食品支出模型匯總b模型更改統(tǒng)計量R 方更改F 更改df1df2Sig. F 更改Durbin-Watson1.90557.141212.0001.672b. 因變量:

8、食品支出Anovab模型平方和df均方FSig.1回歸501392.9782250696.48957.141.000a殘差52647.956124387.330總計554040.93314a. 預測變量: (常量), 食品價格/元, 收入。b. 因變量: 食品支出系數(shù)a模型非標準化系數(shù)標準系數(shù)B標準 誤差試用版tSig.1(常量)-224.615107.578-2.088.059收入.426.060.8427.136.000食品價格/元220.615167.583.1551.316.213a. 因變量: 食品支出系數(shù)a模型相關性共線性統(tǒng)計量零階偏部分容差VIF1收入.944.900.635.5

9、691.758食品價格/元.708.355.117.5691.758a. 因變量: 食品支出共線性診斷a模型維數(shù)方差比例特征值條件索引(常量)收入食品價格/元112.9721.000.00.00.002.01812.775.84.41.023.01017.091.16.59.97a. 因變量: 食品支出殘差統(tǒng)計量a極小值極大值均值標準 偏差N預測值566.771237.49798.07189.24515殘差-142.930101.570.00061.32315標準 預測值-1.2222.322.0001.00015標準 殘差-2.1581.533.000.92615a. 因變量: 食品支出*

10、曲線估計. TSET NEWVAR=NONE. CURVEFIT /VARIABLES=食品支出 WITH 收入 /CONSTANT /MODEL=LOGARITHMIC /PRINT ANOVA /PLOT FIT.曲線擬合數(shù)據(jù)集2 模型描述模型名稱MOD_1因變量1食品支出方程1對數(shù)自變量收入常數(shù)包含其值在圖中標記為觀測值的變量未指定個案處理摘要N個案總數(shù)15已排除的個案a0已預測的個案0新創(chuàng)建的個案0a. 從分析中排除任何變量中帶有缺失值的個案。變量處理摘要變量因變量自變量食品支出收入正值數(shù)1515零的個數(shù)00負值數(shù)00缺失值數(shù)用戶自定義缺失00系統(tǒng)缺失00食品支出對數(shù)模型匯總RR 方調

11、整 R 方估計值的標準誤.943.890.88168.521自變量為 收入。ANOVA平方和df均方FSig.回歸493004.3931493004.393105.004.000殘差61036.541134695.119總計554040.93314自變量為 收入。系數(shù)未標準化系數(shù)標準化系數(shù)B標準誤BetatSig.ln(收入)994.35697.038.94310.247.000（常數(shù)）-6734.315735.285-9.159.0002.實驗二2.1實驗目的掌握spass軟件安裝掌握spass軟件相關的操作2.2實驗內容學會使用spass軟件對數(shù)據(jù)進行時序分析2.3實驗要求熟悉時序分析的基

12、本操作理解自相關函數(shù)在模型構建中的作用能夠利用SPSS建立ARIMA模型，并對結果進行正確的解釋使用SPSS中的圖形與分析等基本功能對數(shù)據(jù)進行分解2.4實驗步驟與結果A.打開spss軟件，點擊“圖形-舊對話框-線圖”。在對話框中選擇簡單、個案值，選擇變量進行分析B.計算殘差，選擇菜單“分析-預測-自相關”將左邊變量導入右邊C.去除周期，構造具有時間序列為12，選擇菜單中“轉換-創(chuàng)建時間序列”D.在對話框中設置新的時間序列選擇“轉換-計算變量”E.時序分析結果，此時的結果有的出現(xiàn)錯誤，經過幾次也沒輸出正確結果圖表附注創(chuàng)建的輸出27-六月-2015 14時53分49秒注釋輸入數(shù)據(jù)C:UsersAd

13、ministratorDesktop數(shù)據(jù)時序分析.sav活動的數(shù)據(jù)集數(shù)據(jù)集1過濾器權重拆分文件工作數(shù)據(jù)文件中的 N 行50語法GRAPH /LINE(SIMPLE)=VALUE(QUARTER_).資源處理器時間0:00:00.547已用時間0:00:00.547數(shù)據(jù)集1 C:UsersAdministratorDesktop數(shù)據(jù)時序分析.sav回歸附注創(chuàng)建的輸出27-六月-2015 14時56分38秒注釋輸入數(shù)據(jù)C:UsersAdministratorDesktop數(shù)據(jù)時序分析.sav活動的數(shù)據(jù)集數(shù)據(jù)集1過濾器權重拆分文件工作數(shù)據(jù)文件中的 N 行50缺失值處理對缺失的定義用戶定義的缺失值作為

14、缺失數(shù)據(jù)對待。使用的案例統(tǒng)計是在所使用的變量不帶有缺失值的案例基礎上進行的。語法REGRESSION /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT QUARTER_ /METHOD=ENTER MONTH_.資源處理器時間0:00:00.000已用時間0:00:00.000所需內存1420 個字節(jié)殘差圖需要額外內存0 個字節(jié)輸入移去的變量b模型輸入的變量移去的變量方法1MONTH, period 12a.輸入a. 已輸入所有請求的變量。b. 因

15、變量: QUARTER, period 4模型匯總模型RR 方調整 R 方標準 估計的誤差1.973a.947.946.267a. 預測變量: (常量), MONTH, period 12。Anovab模型平方和df均方FSig.1回歸60.905160.905855.976.000a殘差3.41548.071總計64.32049a. 預測變量: (常量), MONTH, period 12。b. 因變量: QUARTER, period 4系數(shù)a模型非標準化系數(shù)標準系數(shù)B標準 誤差試用版tSig.1(常量).466.0776.032.000MONTH, period 12.313.011.9

16、7329.257.000a. 因變量: QUARTER, period 4ACF VARIABLES=QUARTER_ /NOLOG /MXAUTO 16 /SERROR=IND /PACF.數(shù)據(jù)集1 C:UsersAdministratorDesktop數(shù)據(jù)時序分析.sav模型描述模型名稱MOD_1序列名1QUARTER, period 4轉換無非季節(jié)性差分0季節(jié)性差分0季節(jié)性期間的長度12最大滯后數(shù)16為計算自相關的標準誤而假定的過程獨立性（白噪音）a顯示并繪圖所有滯后正在應用來自 MOD_1 的模型指定。a. 不適用于計算偏自相關的標準誤。個案處理摘要QUARTER, period 4序

17、列長度50缺失值數(shù)用戶缺失0系統(tǒng)缺失0有效值數(shù)50可計算的第一滯后數(shù)49QUARTER, period 4自相關圖序列:QUARTER, period 4滯后Box-Ljung 統(tǒng)計量自相關標準 誤差a值dfSig.b1.595.13718.7611.0002.189.13620.7022.0003-.149.13421.9293.0004-.263.13325.8284.0005-.376.13234.0135.0006-.512.13049.5316.0007-.409.12959.6217.0008-.305.12765.3638.0009-.223.12668.5169.00010.1

18、14.12469.36410.00011.451.12282.94511.00012.766.121123.10312.00013.454.119137.58913.00014.142.118139.04414.00015-.103.116139.83215.00016-.186.114142.46616.000a. 假定的基礎過程是獨立性（白噪音）。b. 基于漸近卡方近似。偏自相關序列:QUARTER, period 4滯后偏自相關標準 誤差1.595.1412-.254.1413-.230.1414-.014.1415-.278.1416-.376.1417.033.1418-.320.1419-.451.14110.469.14111.117.14112.253.14113-.364.14114.010.14115-.109.14116.114.141CREATE /QUARTE_1=DIFF(QUARTER_ 1).創(chuàng)建附注創(chuàng)建的輸出27-六月-2015 15時01分25秒注釋輸入數(shù)據(jù)C:UsersAdministratorDesktop數(shù)據(jù)