SPSS常用的10种统计分析

目录

实验一 地理数据的统计处理

一、实验目的

二、实验内容

三、实验步骤

实验二 双变量相关分析

一、实验目的

二、实验内容

三、实验步骤

实验三 主成分分析

一、实验目的

二、实验内容

三、实验步骤

实验四 因子分析

一、实验目的

二、实验内容

三、实验步骤

实验五 多元线性回归

一、实验目的

二、实验内容

三、实验步骤

实验六 聚类分析

一、实验目的

二、实验内容

三、实验步骤

实验七 时间序列分析

一、实验目的

二、实验内容

三、实验步骤

实验八 地统计分析

一、实验目的

二、实验内容

三、实验步骤

实验九 趋势面分析

一、实验目的

二、实验内容

三、实验步骤

实验十 马尔可夫分析

一、实验目的

二、实验内容

三、实验步骤

了解地理数据分布的基本特征，掌握地理数据分布特征的主要表征值。重点掌握SPSS统计处理中的主要参数设置及其含义，并分析检验结果。

运用SPSS应用软件中的描述和频数模块，重点掌握标准差、最大值、最小值、方差、全距、算术平均数、众数、中位数、算数和以及偏态、峰度的计算等。

（1）在Excel表中将数据转置，再将数据导入到SPSS中。

（2）打开【描述统计】|【描述】，将农业产值添加到【变量中】。

（3）在【选项】中勾选【标准差】、【最小值】、【最大值】、【方差】、【范围】、【标准误差平均值】、【峰度】和【偏度】。

（4）结果

掌握相关分析的定义、内涵，重点掌握一般相关系数的计算公式。

运用SPSS应用软件中的Correlate模块进行两两要素间的相关分析，并能够进行检验，利用所给数据进行预测。

（1）将Excel表数据导入到SPSS中。

（2）打开【分析】|【相关】|【双变量】，将水土流失面积和土壤含氮量添加到【变量】中。

（3）结果

从图中我们可以得到相关系数为-0.946，呈现负相关，右上角有**,说明相关性显著，通过了相关性检验。

掌握SPSS软件进行主成分分析的功能，掌握主成分分析的基本思想和操作过程并对得到的结果进行分析并给出统计解释。

利用中国主要城市影响经济发展的主要指标数据，运用主成分分析方法进行分析。

（1）将Excel表数据导入到SPSS中。

（2）打开【分析】|【降维】|【因子分析】工具，将数据中除了【城市】的其他10个变量全部添加进去。

（3）点击【描述】，勾选【初始解】、【系数】、【KMO和巴特利特球形度检验】选项

（4）点击【抽取】，勾选【碎石图】选项

（5）结果

KMO的值为0.762，大于0.7，较为适合做主成分分析

变量的方差能被主成分解释在80%—90%以上

可知前两个成分的累计贡献率已经达到85%，所以将前两个成分作为主成分；从碎石图也可以看出，第一成分和第二成分贡献了大部分信息。

（6）因为相关系数矩阵的特征根=方差贡献=主成分得分的方差，所以在Excel中通过SUMSQ函数可以计算得到第一主成分和第二主成分的特征值分别为6.263和2.350。

（7）将主成分矩阵复制到SPSS中

（8）打开【转换】|【计算变量】工具，输入公式：V1（第一主成分的载荷值）/SQRT（6.263（第一主成分的特征值）），对于第二主成分计算其特征向量进行相同的操作

两个主成分的表达式为：

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

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

使用SPSS软件进行因子分析，掌握因子分析的原理和方法。

利用25名健康人的7项生化检验结果资料，7项系列化检验指标依次为X1至X7，对该资料进行因子分析。

（1）将Excel数据导入到SPSS中。

（2）打开【分析】|【降维】|【因子分析】工具，将变量全部添加进去

（3）勾选【描述】中的【系数】和【KMO和巴特利球形度检验】

（4）勾选【旋转】中的【最大方差法】

（5）勾选【选项】中的【按大小排序】和【取消小系数】

（6）结果

旋转后的成分矩阵：

掌握多元回归模型的建立方法、步骤、检验的过程等。

利用数据分析降水量和蒸发量对径流深的影响，进行多元线性回归分析。

（1）将Excel数据导入到SPSS中

（2）打开【分析】|【回归】|【线性】工具，将 径流深度 添加到【因变量】中，将 年降水量 和 年蒸发量 添加到【自变量】中

（3）在【统计】中勾选【德宾·沃森】、【部分相关性和偏相关性】和【共线性诊断】

（4）在【图】中将【*ZRESID】选入【Y】中，将【*ZPRED】选入【X】中，勾选【直方图】和【正态概率图】

（5）结果

可知DW值接近于2，自变量的自相关性不明显；R方为0.992，模型拟合度非常好

显著性表示自变量对因变量的影响程度，小于0.05表示于显著影响，越小影响越大，由表可以知道年降水量和年蒸发量对径流深度有显著影响。

VIF用于共线性诊断（变量之间的关联度），当0