SPSS常用的10种统计分析

news2024/10/5 20:19:21

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

实验一  地理数据的统计处理

一、实验目的

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。

二、实验数据

三、实验内容

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。

四、实验步骤

（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

实验二  双变量相关分析

一、实验目的

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。

二、实验数据

三、实验内容

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。

四、实验步骤

（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。

实验三 主成分分析

一、实验目的

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。

二、实验数据

三、实验内容

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。

四、实验步骤

（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

实验四  因子分析

一、实验目的

使用SPSS软件进行因子分析，掌握因子分析的原理和方法。

二、实验数据

三、实验内容

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。

四、实验步骤

（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：

实验五  多元线性回归

一、实验目的

掌握多元回归模型的建立方法、步骤、检验的过程等。

二、实验数据

三、实验内容

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。

四、实验步骤

（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<VIF<10时，不存在多重共线性，由表可知年降水量和年蒸发量之间不存在多重共线性。

根据直方图可以知道直方图和正态曲线较为不吻合，说明残差不符合正态分布。

实验六  聚类分析

一、实验目的

通过此次实验，重点掌握样本聚类方法的概念、基本思路、数据处理的方式，并能对结果进行分析。

二、实验数据

三、实验内容

运用SPSS应用软件中的系统聚类，建立分层聚类的基本概念，掌握数据标准化的方法、统计量的计算方式以及聚类的方法的选择，并根据自动生成的聚类谱系图进行类型的划分。

四、实验步骤

（1）将Excel数据导入到SPSS中。

（2）打开【分析】|【分类】|【系统聚类】工具，将数据中除样本序号的所有变量全部添加进去。

（3）在【图】中勾选【谱系图】

（4）结果

没有数据缺失，故全部21个样本参与聚类，有效样品为100%

首先将第12号样品和第13号样品聚为一类，这两个样品的夹角余弦值最大。

根据树形图，选择适当的尺度分为若干类。

实验七  时间序列分析

一、实验目的

掌握时间序列分析的基本方法步骤。

二、实验数据

三、实验内容

利用SPSS对某地区农业收成变化状态转移情况的数据，进行2030年的农业收成状况进行预测。

四、实验步骤

（1）将Excel数据导入到SPSS中

（2）打开【数据】|【定义日期和时间】，因为时间变量是从2001开始的，所以设置为2001年

（3）打开【分析】|【时间序列预测】|【创建传统模型】，将 人口数量 导入因变量，年份导入自变量，将【方法】改为【ARIMA】。

（4）在【统计】中勾选【显示预测值】

（5）在【保存】中勾选【预测值】

（6）预估到2050年

（7）结果

预测结果：

实验八  地统计分析

一、实验目的

掌握ArcGIS地统计分析功能。

二、实验数据

三、实验内容

根据给出的数据用半变异函数进行分析。

四、实验步骤

（1）将Excel数据导入到ArcMap中，并导出为shapefile格式

（2）打开【Geostatistical Analyst】下【Explore Data】的直方图【Histogram】，发现偏度指数Skewness偏离0较为严重，所以去掉最大的那一列数据。

新直方图的偏移指数较为接近0，符合正态分布。

（3）使用QQ图来检验数据是否服从正态分布，打开【Geostatistical Analyst】下【Explore Data】的【Normal QQPlot】

点主要分布在直线附近，说明服从正态分布。

（4）检查数据是否存在趋势分布，打开【Geostatistical Analyst】下【Explore Data】的【Trend Analysis】

从拟合曲线可以看出，在X值相对较小区域，Y值相对较大区域，人口密度较大。

（5）进行空间自相关分析，打开【Geostatistical Analyst】|【Explore Data】|【Semivariogram/Covariance Cloud】

旋转到不同的方向，云图有较为明显的差异，说明数据具有各向异性

（6）点击【ArcToolbox】|【Interpolation】|【Kriging】，Z字段设置为人口密度

结果为：

实验九  趋势面分析

一、实验目的

了解趋势面分析的基本原理和方法，能够利用工具对数据进行趋势面分析并对结果进行解读。

二、实验数据

同实验八

三、实验内容

利用所给数据进行趋势面分析。

四、实验步骤

（1）加载数据同实验八地统计分析。

（2）打开【Geostatistical Analyst】|【Geostatistical Wizard】，选择【Global Polynomial Interpolation】，【Data】中选择人口密度。

（3）通过调节趋势面模型的幂，找到趋势面均方根的最小值，当幂为3时，效果较好

（4）结果

实验十  马尔可夫分析

一、实验目的

了解马尔可夫分析的基本原理和方法，能够利用工具对数据进行马尔科夫分析并对结果进行解读。

二、实验数据

三、实验内容

利用所给数据进行马尔可夫分析。

四、实验步骤

（1）在Excel中将数据进行处理，1代表E1，2代表E2，3代表E3。

（2）得到转移矩阵

当前农业状态下步农业状态
E1E2E3
E1375
E2724
E3452

（3）2004年是E2状态，也就是，预测2030年的农业收成，需要求出26步转移矩阵，为此我们需要计算初始转移矩阵的26次方，

借助矩阵在线编辑器矩阵计算器 - Reshish

输入矩阵：

计算结果：

结果矩阵为：

（4）由于2004年的状态向量为（7/13，2/13，4/13），也就是（0.54，0.15，0.31），求出26年后的状态向量

结果为（0.365，0.354，0.281），可知2030年的状态为E1。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/165582.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

【Linux】缓冲区 进度条小程序

【Linux】缓冲区 进度条小程序

目录 一、\r && \n 二、缓冲区的概念 三、小程序编写 1、倒数小程序 2、进度条小程序 一、\r && \n C语言中有很多字符&#xff0c;但是宏观上可以分成两类&#xff1a;可显字符、控制字符。 可显字符包括我们见到的 1、2、3....&#xff0c;a、b、c....…
阅读更多...
历史最全事件抽取任务分类、经典论文、模型及数据集整理分享

历史最全事件抽取任务分类、经典论文、模型及数据集整理分享

事件抽取技术是从非结构化信息中抽取出用户感兴趣的事件&#xff0c;并以结构化呈现给用户。事件抽取任务可分解为4个子任务: 触发词识别、事件类型分类、论元识别和角色分类任务。其中&#xff0c;触发词识别和事件类型分类可合并成事件识别任务。事件识别判断句子中的每个单词…
阅读更多...
Linux面试题

Linux面试题

Linux 概述 什么是Linux Linux是一套免费使用和自由传播的类Unix操作系统&#xff0c;是一个基于POSIX和Unix的多用户、多任务、支持多线程和多CPU的操作系统。它能运行主要的Unix工具软件、应用程序和网络协议。它支持32位和64位硬件。Linux继承了Unix以网络为核心的设计思想…
阅读更多...
Java使用Zxing二维码生成

Java使用Zxing二维码生成

目录 1、二维码简介 二维码纠错级别 2、ZXing简介 3、示例 3.1 搭建一个maven项目&#xff0c;引入Zxing依赖包 3.2 创建QrCodeUtil.java 类 1、二维码简介 二维条形码是用某种特定的几何图形按一定规律在平面&#xff08;二维方向上&#xff09;分布的黑白相间的图形记录…
阅读更多...
C++ 001：C++ 基础语法

C++ 001：C++ 基础语法

1. 开始之前 1.1 学习路线 这次我是下定决心要学 C 了&#xff0c;而且是系统地&#xff0c;不半途而废地学习 C 了~ 有这个新专栏为证~ 由于某次偶然的机会&#xff0c;我看见了一张 C 竞赛的学习路线表&#xff08;这里由于表格内容太多就不贴出来&#xff09;&#xff0c…
阅读更多...
Xinlinx zynq7020国产替代 FMQL20S400 全国产化 ARM 核心板+扩展板

Xinlinx zynq7020国产替代 FMQL20S400 全国产化 ARM 核心板+扩展板

TES720D 是一款基于FMQL20S400 的全国产化核心 模 块 。 该核心 模 块 将FMQL20S400 &#xff08;兼容FMQL10S400&#xff09;的最小系统集成在了一个 50*70mm 的核心板上&#xff0c;可以作为一个核心模块&#xff0c;进行功能性扩展&#xff0c;特别是用在控制领域&#xff0…
阅读更多...
【Java】的面向对象笔记（中）

【Java】的面向对象笔记（中）

继承性基础 哲学三问 什么是继承性 银行卡有很多种&#xff0c;有借记卡、信用卡、亲情卡、工资卡等等&#xff0c;他们各有不同&#xff0c;但都具有相同的银行卡特征&#xff0c;即余额、卡号等共有的属性&#xff0c;如果每定义一个类都需要写一次&#xff0c;那就太麻烦…
阅读更多...
word、excel文档内容更新技术方案

word、excel文档内容更新技术方案

需求背景 惯例先说下背景。 生产、研发业务上往往使用大量word和excel文档来作为资料载体&#xff0c;如操作规程、控制手册、卡片……&#xff0c;这些文档会反复使用到一些设备、工艺等参数数据。参数属性主要是名称、编码、正常范围、报警上下限、单位等&#xff0c;这些参…
阅读更多...
SQL---DDL

SQL---DDL

目录 一、数据库的相关概念 二、MySQL数据库 1. 关系型数据库&#xff08;RDBMS&#xff09; 2. 数据数据库 3. MySQL客户端连接的两种方式 方式一&#xff1a;使用MySQL提供的客户端命令行工具 方式二&#xff1a;使用系统自带的命令行工具执行指令 三、SQL SQL的…
阅读更多...
Callable接口_JUC的常见类_多线程环境使用ArrayList

Callable接口_JUC的常见类_多线程环境使用ArrayList

目录 1.Callable接口 相关面试题 2.ReentrantLock 相关面试题 3.信号量Semaphore 4.CountDownLatch 5.多线程环境使用ArrayList 热加载 1.Callable接口 Callable是一个接口,把线程封装了一个"返回值",方便程序员借助多线程的方式计算结果. 类似于Runnable,…
阅读更多...
五个了解自己天赋优势的分析工具（三）DISC性格测评

五个了解自己天赋优势的分析工具（三）DISC性格测评

DISC性格测评 DISC系统源于1928年&#xff0c;马斯顿在他的著作《正常人的情绪》(The Emotion of Normal People)中公布了他所发现及发展的性格理论。 该书首次尝试将心理学从纯粹的临床应用向外延伸应用到一般人身上。人有四种基本的性向因子&#xff0c;即Dominance -支配&…
阅读更多...
Duet 安装教程

Duet 安装教程

Duet 安装教程1. Duet 概述2. Duet 安装教程2.1 PC 端下载安装Duet2.2 iPad 下载安装 Duet3. 将iPad作为Windows电脑副屏的几种方法结束语1. Duet 概述 Duet 是一款能将iPad或iPhone 变成 Mac 或者 PC 的显示屏的软件&#xff1b; 通过线材连接两台不同的设备&#xff0c;Duet…
阅读更多...
抖音聊天”上线，字节最后的社交梦？

抖音聊天”上线，字节最后的社交梦？

转眼间时间来到2023年&#xff0c;距离中国接入国际互联网&#xff08;即中国互联网起点&#xff09;已过40年。回顾中国的互联网江湖&#xff0c;先有BAT三足鼎立&#xff0c;后有TMD后浪居上。所谓BAT&#xff0c;即互联网时代领头羊百度、阿里巴巴和腾讯&#xff0c;而TMD则…
阅读更多...
【Java入门】常量和变量

【Java入门】常量和变量

✅作者简介&#xff1a;CSDN内容合伙人、阿里云专家博主、51CTO专家博主、新星计划第三季python赛道Top1&#x1f3c6; &#x1f4c3;个人主页&#xff1a;hacker707的csdn博客 &#x1f525;系列专栏&#xff1a;Java入门 &#x1f4ac;个人格言&#xff1a;不断的翻越一座又一…
阅读更多...
HTTP/HTTPS协议介绍

HTTP/HTTPS协议介绍

数据来源 HTTP 01 什么是HTTP 超文本传输协议(HyperTextTransferProtocol缩写&#xff1a;HTTP&#xff09;是一种用于分布式、协作式和超媒体信息系统的应用层协议。 HTP( Hyper Text Transfer Protocol超京本传输协议) 是一个基于请求与响应 无状态的&#xff0c;应用层…
阅读更多...
mysql快速生成100W条测试数据（7）虚拟网站、IP地址并存入mysql数据库

mysql快速生成100W条测试数据（7）虚拟网站、IP地址并存入mysql数据库

这是之前的文章里面包含一些以前的一些操作流程可以进行参考学习 更加详细操作步骤在第一篇文章里面 mysql快速生成100W条测试数据&#xff08;1&#xff09;&#xff1a;游戏人物数据 mysql快速生成100W条测试数据&#xff08;2&#xff09;公司员工信息 mysql快速生成100W条测…
阅读更多...
《Unity Shader 入门精要》第2章 渲染流水线

《Unity Shader 入门精要》第2章 渲染流水线

第2章 渲染流水线 2.1 什么是渲染流水线 渲染流水线的工作在于由一个三维场景出发&#xff0c;生成一张二维图像。换句话说&#xff0c;计算机需要从一系列的顶点数据、纹理等信息出发&#xff0c;把这些信息最终转换成一张肉眼可见的图像&#xff0c;而这个过程通常由CPU与G…
阅读更多...
静态链接过程分析

静态链接过程分析

前期准备这边使用《程序员的自我修养》中的例子//a.cpp extern int shared;void swap(int* a, int *b);int main(){int a 100;swap(&a, &shared); }//b.cpp int shared 1;void swap(int* a, int* b){*a ^ *b ^ *a ^ *b; }通过gcc -c 命令编译出相对应的.o文件&#x…
阅读更多...
五,Spring Bean生命周期

五,Spring Bean生命周期

1 Spring Bean的生命周期&#xff08;概念重点&#xff09; 对象的生命周期&#xff1a;对象从生到死的过程。 Spring工厂中Bean的生命周期并不像想象的那么简单&#xff0c;Spring对工厂中的Bean的生命周期进行了细致的划分&#xff0c;并允许开发者通过编码或配置的方式定制…
阅读更多...
Ubuntu18 sqlyog配置mysql5.7远程连接

Ubuntu18 sqlyog配置mysql5.7远程连接

mysql 配置远程连接 1. mysql安装和配置 sudo apt-get install mysql-server-5.7 systemctl status mysql service mysql status修改mysql的配置文件&#xff1a; sudo vim /etc/mysql/mysql.conf.d/mysqld.cnf以下为mysqld.cnf文件主要内容&#xff0c;这里的skip-grant-ta…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023