计量统计方法-1.ppt

1、计量统计方法,胡碧松 博士/讲师 2010-3-25,江西师范大学地理与环境学院研究生课程,课程公共邮箱： Username: Password: jxnugis2009 主要用以存放本课程相关课件、文档资料等,课程作业提交： 特殊情况提交打印稿或手写稿亦可,课程简介,计量统计方法是为地理科学专业硕士研究生开设的专业选修课，主要介绍基础的数学统计方法与前沿的数学模型在地理科学领域中的应用，课程内容包括数学方法和数学模型的理论知识和实践使用。本课程每周3节课，总计12周次，共计36课时，知识介绍与技能实践相结合，注重理论知识的理解和计算机技能的掌握。本课程的成绩以考查为主，课程后期每位同学

2、完成两个以计算机操作为主的大作业（10选2）。,课程总体目标,1. 掌握发现和解决地理科学问题的能力； 2. 掌握经典数理统计方法的理论基础； 3. 掌握一些前沿数学模型的理论基础； 4. 掌握matlab/SPSS等数学软件的基础使用； 5. 掌握一些特殊数学模型专业软件的基础使用； 6. 终极目标让同学们在硕士期间掌握些真才实学！,课程主要内容,1. 计量地理学概述+经典数理统计方法（一） (3课时) 2. 经典数理统计方法（二） (3课时) 3. 经典数理统计方法（三） (3课时) 4. 空间统计分析（一） (3课时) 5. 空间统计分析（二） (3课时) 6. 空间统计分析（三） (3

3、课时) 7. 网络分析 (3课时) 8. 系统动力学 (3课时) 9. 多智能体系统 (3课时) 10. 元胞自动机 (3课时) 11. SOM分类机 (3课时) 12. 支持向量机 (3课时),问题？,当你发现一个地理科学问题时，你想如何解决？ 当你需要解释一个地理科学现象时，你想怎么处理？ 当你拿到一大堆地理数据时，你想怎么分析才能迅速得到想要的结果？发现问题-分析问题-解决问题 解释现象-定性解释-定量分析 科学研究-分析数据-得出结论,方法+工具,。)#) 和 “渔”,每一种方法或模型都只是一条“鱼”，每一个实际问题只是一种特定的“鱼食”。 有些“鱼”会吃好几种“鱼食”，即有些方法或模

4、型可以解决好几种特定的实际问题，但是，没有任何一条“鱼”可以食遍天下各色之“鱼食”。 因此，不如掌握“渔”，当遇见各色美味“鱼食”时，钓出那条适合该“鱼食”的“鱼”即可。 至此，“鱼食”即便摆脱了“鱼”，终究无法逃出“渔”的手掌心。,第一章 计量地理学概述,胡碧松 博士/讲师 2010-3-25,主要内容,1. 计量地理学的形成和发展 2. 计量地理学中的数学方法 3. 对计量地理学的评价 4. 计量地理学的应用,1. 计量地理学的形成和发展,地理学的发展阶段 地理学在中国战国前后的古希腊、古罗马时代开始萌芽，至今已有2000多年的发展历史。地理学的发展可划分为三个基本阶段： 古代地理学，以

5、记载地理知识为主体；近代地理学，对各种地理现象进行条理化归纳，并对它们之间的关系进行解释性描述； 现代地理学，采用定性与定量相结合的方法，规范研究与实证研究并举，解释各种地理现象的内在机制并预测其未来演变。,1 计量地理学的形成和发展,地理VS数学 古代地理学和近代地理学中的数学方法限于定量地描述、记载和解释。 现代地理学中运用数学方法，是为了深入地进行定量化研究，揭示地理现象发生、发展的内在机制及运动规律，从而为地理系统的预测及优化调控提供科学依据。,1 计量地理学的形成和发展,地理文科？理科？ 当地理在描述地理现象、解释地理问题时，定性占主导地位，则倾向于偏文科。 当地理在分析地理过程、研

6、究地理规律时，定量方法占主导地位，则倾向于偏理科。 地理信息系统是地理科学与信息科学的完美结合，侧重中实际工程中的应用，此时的地理似乎又倾向于偏工科。,计量地理学的发展阶段,第一阶段（20世纪50年代末期到60年代末期）把统计学方法引入地理学研究领域，构造一系列统计量来定量地描述地理要素的分布特征，应用各种概率分布函数、方差等简单的统计特征回归分析方法。分布中心、区域形状、地理要素分布的集中和离散程度等都有了定量指标，许多地理要素间的相关关系，也可以进行定量地表示。,计量地理学的发展阶段,第二阶段（20世纪60年代末期到70年代末期）多元统计分析方法和电子计算机技术在地理学研究中广泛应用。以电

7、子计算机技术为手段，许多地理学家熟练地掌握了多元统计方法，具备了分析多因素、复杂结构和动态特征等复杂地理问题的能力。,计量地理学的发展阶段,第三阶段（20世纪70年代末期开始到80年代末期）系统理论、系统分析方法、系统优化方法、系统调控方法等被引进地理学研究领域，促进了运筹学中的规划方法、决策方法、网络分析方法，以及数学物理方法、模糊数学方法、分形几何学方法、非线性分析方法等一系列现代数学方法的形成。同时GIS技术的发展为其提供了先进的技术手段支持。,计量地理学的发展阶段,第四阶段（20世纪90年代初至今）按照英国著名地理学家、里兹大学S.奥彭肖(S. Openshaw)教授的提法，90年代初

8、进入计算地理学时代。 得益于计算机技术与计算理论和方法的巨大发展和3S技术在获取大容量、整体性地理数据信息中的成功应用，以向量或并行处理器为基础的超级计算机为工具，对“整体”、“大容量”资料所表征的地理问题实施高性能计算，探索构筑新的地理学理论和应用模型。,计量地理学的发展阶段,除继续应用20世纪80年代中叶以来在地理学模型研究中成功引入的突变、自组织、混沌、分支、分形等模型外，地理计算学又成功地引入了神经网络（neural network)、遗传算法模型（genetic programming）、元胞自动机（cellar automata）、模式参数随机取样模型（random samplin

9、g of model parameter）、模糊逻辑模型(fuzzy logic)、改进了的地理加权回归（geographically weighted regression）等先进方法。,2 计量地理学中的数学方法,经过40多年的发展，计量地理学不断完善、不断成熟。目前，计量地理学中的数学方法，已经涉及到数学及其相关学科的各个领域。它不但继承了现代地理学中计量运动的成果，而且还吸收了40多年以来数学、系统理论、系统分析方法、计算机科学、现代计算理论及计算方法等领域内的有关成果，其内容十分丰富而广泛。,2 计量地理学中的数学方法,鱼,鱼食,Where is “渔”?,2 计量地理学中的数学方法

10、,2 计量地理学中的数学方法,2 计量地理学中的数学方法,3 对计量地理学的评价,对于计量地理学，产生了三种观点： “反定量化”反对地理学定量化研究，认为地理现象十分复杂，不能用简单的数学方法来解释，对数学方法采取拒绝和否定态度。代表人物：史密斯（D. Smith）、奥格登(P. Ogden)等。,3 对计量地理学的评价, “定量化”推崇地理学定量化，认为数学方法不仅是一种分析技术，而且能够导出普遍性规律，能够解决地理学传统研究方法所不能解决的理论问题。代表人物如克里斯塔勒（W. Christaller）、帮吉(W. Bunge) 乔莱(R. Chorley)、哈格特(P. Haggett)等

11、。,3 对计量地理学的评价, “非定量化”认为数学方法只是地理学研究方法之一，只能用来研究地理要素之间的数量关系和地理事物的空间格局，不能用来描述和解释地理规律，不能导出地理学理论，但其观点摇摆不定。,3 对计量地理学的评价,华东师大徐建华教授的观点： 世界上的任何事物都可以用数值来度量。 在现代地理学中，传统方法是数学方法的基础，数学方法是传统方法的重要补充。 数学方法是人们进行数学运算和求解的工具，能以严密的逻辑和简洁的形式描述复杂的问题、表述丰富的实质性思想。 地理学研究中，数学方法有其局限性。 现代地理学中数学方法的形成和发展与计算机应用技术密切相关。,我顶,4 计量地理学的应用,分布

12、型分析对地理要素的分布特征及规律进行定量分析。 相互关系分析对地理要素、地理事物之间的相互关系进行定量分析。 分类研究对地理事物的类型和各种地理区域进行定量划分。 网络分析对水系、交通网络、行政区划、经济区域等的空间结构进行定量分析。,4 计量地理学的应用,趋势面分析做出地理要素的趋势等值线图，展示所要分析的地理要素的空间分布规律。 空间相互作用分析定量分析各种“地理流”在不同区域之间流动的方向和强度。 系统仿真研究对复杂地理系统的各种系统要素之间的相互关系与反馈机制进行分析，对真实系统进行模拟仿真，从而揭示其运行机制与规律。,4 计量地理学的应用,过程模拟与预测研究： 通过对地理过程的模拟与

13、拟合，定量地揭示地理事物、地理现象随时间变化的规律，预测其未来发展趋势。 空间扩散研究：定量地揭示各种地理现象，包括自然现象、经济现象、社会现象、文化现象、技术现象在地理空间的扩散规律。 空间行为研究：主要是对人类活动的空间行为决策进行定量的研究。,4 计量地理学的应用,地理系统优化调控研究：运用系统控制论的有关原理与方法，研究人地相互作用的地理系统的优化调控问题，寻找人口、资源、环境与社会经济协调发展的方法、途径与措施。 地理系统的复杂性研究：地理系统是高度复杂的巨系统，其复杂系统研究已经引起了国际地理学界的高度重视。,第二章 经典数理统计方法（一）,胡碧松 博士/讲师 2010-3-25

14、,1 相关分析,相关分析(correlation analysis)是对自然界和社会中的两种或多种现象是否相关进行分析的方法。 相关分析的任务，是揭示地理要素之间相互关系的密切程度。而地理要素之间相互关系密切程度的测定，主要是通过对相关系数的计算与检验来完成的。,1 相关分析,相关关系的类型：,1.1 两要素之间的相关分析,相关系数的计算 定义:其中， 和 为两要素的平均值。,说明 ：- 1 = = 1， 大于0时正相关，小于0时负相关。 的绝对值越接近于1，两要素的关系越密切；越接近于0，两要素的关系越不密切。,（1.1）,1.1 两要素之间的相关分析,相关系数的计算简化:相关系数的计算公式

15、则为：,（1.2）,1.1 两要素之间的相关分析,相关分析实例,表1.1 伦敦的月平均气温与降水量,资料来源：http:/www.cwb.gov.tw/V4/climate/wta_station/wta20.htm,1.1 两要素之间的相关分析,相关分析实例 根据表1.1中的数据，我们可以利用公式（1.1），计算伦敦市月平均气温(t)与降水量(p)之间的相关系数为计算结果表明，伦敦市的月平均气温（t）与降水量(p)之间呈负相关，即异向相关。,1.1 两要素之间的相关分析,利用SPSS软件做二元变量相关分析 例：计算伦敦市月平均气温(t)与降水量(p)之间的相关系数 1) 打开SPSS软件，选

16、择File-Open-Data导入数据。,1.1 两要素之间的相关分析,2) 选择Analyze-Correlate-Bivariate进行二元变量相关分析。 3) 导入月平均气温(t)与降水量(p)这两个计算的变量。,1.1 两要素之间的相关分析,三种相关系数：两种显著性检验类型：,1.1 两要素之间的相关分析,计算结果Pearson相关系数为-0.489，表明月平均气温（t）与降水量(p)之间呈负相关关系。,1.1 两要素之间的相关分析,例：计算要素之间的相关系数矩阵,1.1 两要素之间的相关分析,例： Analyze-Correlate-Bivariate,1.1 两要素之间的相关分析,

17、例2：,1.1 两要素之间的相关分析,例： 表1.2 相关系数矩阵,1.2 偏相关分析,偏相关系数的定义： 在多要素所构成的地理系统中，先不考虑其他要素的影响，而单独研究两个要素之间的相互关系的密切程度，这称为偏相关。用以度量偏相关程度的统计量，称为偏相关系数。,1.2 偏相关分析,单独分析两个变量之间的相关关系时，往往由于第三个变量的影响，导致其相关系数不能真实的反映这两个变量之间的线性相关程度。 偏相关分析是考虑两个变量之间的相关关系时，考虑其它自变量的影响，把其它自变量当做常数，再计算这两个变量的相关系数。 变量X、Y、Z之间有着关系，假设Z保持不变，再计算X和Y之间的相关系数，这个系数

18、rxy.z就是一级偏相关系数。同理，当保持不变的自变量数量为两个或三个时，称之为二级或三级偏相关系数。,1.2 偏相关分析,偏相关系数的计算公式： 3个要素的偏相关系数,1.2 偏相关分析,偏相关系数的计算公式： 4个要素的偏相关系数,1.2 偏相关分析,例： 对于某4个地理要素x1，x2，x3，x4的23个样本数据，经过计算得到了如下的单相关系数矩阵：,利用公式计算一级偏向关系数，如表1.3所示：,利用公式计算二级偏相关系数，如表1.4所示：,4个要素的一级偏相关系数有12个，这里给出了9个；二级偏相关系数有6个，这里全部给出来了。,表1.3 一级偏相关系数,表1.4 二级偏相关系数,1.2

19、 偏相关分析,1.2 偏相关分析,利用SPSS软件做偏相关分析 例：计算控制变量施肥量X的情况下，害虫危害程度Y与亩产Z的偏相关系数。,1.2 偏相关分析,例： 1) 选择Analyze-Correlate-Partial进行偏相关分析。 2) 选择自变量害虫危害程度Y与亩产Z，选择控制变量为施肥量X。,1.2 偏相关分析,例： 计算结果,1.2 偏相关分析,例： 计算结果： ryz.x=-0.960，P=0.181 (零假设成立的概率)。 虽然在控制施肥量X的情况下，害虫危害程度Y与亩产Z的偏相关系数为-0.960，但是由于其零假设成立的概率为P=0.181，说明二者不相关的概率较高。,1.

20、2 偏相关分析,例：计算偏相关系数矩阵 控制变量为果园与林地面积之比、灌溉田占耕地面积之比。,1.2 偏相关分析,Analyze-Correlate-Partial,1.2 偏相关分析,表1.5 偏相关系数矩阵,1 相关分析,总结： 1) 二元变量相关分析和偏相关分析是最常用的两种相关分析方法，除此之外，还有自相关分析、距离分析等相关分析方法。 2) 相关分析的作用：揭示两个或多个要素之间的相关关系，定量描述要素之间的相关程度。,1 相关分析,总结： 3) 当多个要素之间不存在典型相关关系时，仅考虑两个要素之间的相关程度，可用二元变量相关分析。 4) 当多个要素之间存在两两的相关关系，也即两个

21、要素的相关关系受到其它变量影响时，应该用偏相关分析。,1 相关分析,问题： 1) 举例说明二元变量相关分析可以解决哪些地理科学问题？ e.g. 分析地区GDP与商业用地使用状况的相关性 2)举例说明偏相关分析可以解决哪些地理科学问题？ e.g. 分析光照时长的影响下，降雨量与空气湿度的相关性,2 回归分析,回归分析-数理统计分析中的战斗机！ 回归分析(Regression Analysis)同样也是研究变量与变量之间的相关关系的，但与相关分析不同，回归分析注重的是在数据分析中的定量特性，能生成变量之间的数学表达式(经验公式)，还能通过回归分析对数据进行预测。 包括：线性回归、曲线估计、非线性回

22、归、逻辑回归、概率回归等。,2.1 一元线性回归分析,定义：假设有两个地理要素(变量)x和y。其中，x为自变量，y为因变量。则一元线性回归模型的基本结构形式为式中：a和b为待定参数； 为各组观测数据的下标； 为随机变量。,2.1 一元线性回归分析,记 和 分别为参数a与b的拟合值，则一元线性回归模型为 上式代表x与y之间相关关系的拟合直线，称为回归直线； 是y的估计值，亦称回归值。,2.1 一元线性回归分析,参数a、b的最小二乘估计： 参数a与b的最小二乘拟合原则要求yi与 的误差ei的平方和达到最小，即根据取极小值的必要条件，有,2.1 一元线性回归分析,参数a、b的最小二乘估计： 根据上述

23、条件可得到参数a与b的拟合值：,2.1 一元线性回归分析,利用SPSS软件做一元线性回归分析 例：对伦敦的月平均气温X与降水量Y做一元线性回归分析。,2.1 一元线性回归分析,利用SPSS软件做一元线性回归分析 1)选择Analyze-RegressionLinear进行线性回归分析。 2) 选择月平均气温X为自变量(Independent)，选择降水量Y为因变量(Dependent)。,2.1 一元线性回归分析,计算结果-1： 引入或剔除的变量(Variables Entered/Removed) 回归方法为强迫引入法(Enter)； 变量月平均气温X被引入； 因变量是降雨量Y。,2.1 一

24、元线性回归分析,计算结果-2： 模型摘要(Model Summary)： 相关系数R=0.489； 判定系数R2=0.240； 调整判定系数Adjusted R2=0.164； 估计值的标准误差Std. Error =10.7095。,2.1 一元线性回归分析,计算结果-3： 方差分析(ANOVA)： 回归的均值平方Regression-Mean Squares=361.405; 剩余的均值平方Residual-Mean Squares=1146.932； F=3.151； P=0.106; 月平均气温X与降水量Y的直线关系不显著。,2.1 一元线性回归分析,计算结果-4： 回归系数(Coef

25、ficients)： 常数项Constant=74.327； 回归系数B=-1.201； 回归系数的标准差Std. Error=0.677； 标准化回归系数Beta=-0.489； 回归系数t检验的t值=10.274，P=0.106 (与方差分析一致)； 一元线性回归方程：Y=74.327-1.021x,2.1 一元线性回归分析,线性回归对话框选项按钮说明： 1) 【Dependent框】: 因变量（1个） 2) 【Independent框】: 自变量（1个或多个） 3) 【Block按钮组】: 用于将下面Independent框中选入的自变量分组 4) 【Method下拉列表】: 包括Ent

26、er（强迫进入法）、Stepwise（逐步法）、Remove（强制剔除法）、Backward（向后法）、Forward（向前法） 5) 【Selection Variable框】:选入一个筛选变量，并利用右侧的Rules按钮建立一个选择条件 6) 【Case Labels框】:选择一个变量，其取值将作为每条记录的标签,2.1 一元线性回归分析,线性回归对话框选项按钮说明： 7) 【WLS钮】:可利用该按钮进行权重最小二乘法的回归分析 8) 【Statistics钮】:弹出Statistics对话框，用于选择所需要的描述统计量 9) 【Plot钮】:弹出Plot对话框，用于选择需要绘制的回归分析

27、诊断或预测图。可绘制的有标准化残差的直方图和正态分布图，应变量、预测值和各自变量残差间两两的散点图等。 10) 【Save钮】:用来存储中间结果的。可以存储的有：预测值系列、残差系列、距离（Distances）系列、预测值可信区间系列、波动统计量系列。 11) 【Options钮】:用来设置回归分析的一些选项,2.1 一元线性回归分析,例：依据气象台站的地理位置及多年平均降水量与蒸发量数据，进行降雨量Y和纬度X的回归分析。,2.1 一元线性回归分析,例： 降雨量Y和纬度X的散点图，呈线性相关关系。,2.1 一元线性回归分析,例： Analyze-RegressionLinear,2.1 一元线

28、性回归分析,计算结果-1： 由于只引入了一个自变量，所以只出现了一个模型1（在多元回归中就会依次出现多个回归模型）； 该模型中纬度为进入的变量，没有移出变量； 具体的进入/退出方法为Enter。,2.1 一元线性回归分析,计算结果-2： 相关系数R=0.904； 判定系数R2=0.816； 调整的判定系数为Adjusted R2=0.813。,2.1 一元线性回归分析,计算结果-3： 回归的均值平方Regression-Mean Squares=1960208.642; 剩余的均值平方Residual-Mean Squares=440933.547； 回归模型F值为226.725，p值为0.0

29、00。,2.1 一元线性回归分析,计算结果-4： 常数项Constant=3395.584； 回归系数B=-82.188； 回归系数的标准差Std. Error=5.458； 标准化回归系数Beta=-0.904； 一元线性回归方程：Y=3395.584-82.188x,2.2 多元线性回归分析,多元线性回归模型的结构形式为 式中： 为待定参数； 为随机变量。,2.2 多元线性回归分析,如果 分别为上式中 的拟和值，则回归方程为式中，b0为常数，b1,b2,bk称为偏回归系数。 偏回归系数的意义是，当其他自变量都固定时，自变量 每变化一个单位而使因变量平均改变的数值。,2.2 多元线性回归分析

30、,偏回归系数的推导过程: 根据最小二乘法原理， 的估计值 应该满足： 取极小值的必要条件：具体推导过程略。,2.2 多元线性回归分析,利用SPSS软件做二元线性回归分析 例： 依据气象台站的地理位置及多年平均降水量与蒸发量数据，进行降雨量Y和经度X1、纬度X2的二元线性回归分析。,2.2 多元线性回归分析,左图：降雨量Y和经度X1的散点图 右图：降雨量Y和纬度X2的散点图,2.2 多元线性回归分析,Analyze-RegressionLinear 自变量：降雨量Y 因变量：经度X1、纬度X2,2.2 多元线性回归分析,计算结果-1： 进入的变量包括经度X和纬度Y两个。 进入/退出的方法为Ent

31、er(强迫进入法)。计算结果-2： 相关系数R=0.906； 判定系数R2=0.821； 调整的判定系数为Adjusted R2=0.814。,2.2 多元线性回归分析,计算结果-3： 回归的均值平方=1971526.007; 剩余的均值平方=429617.182； 回归模型F值为114.726，p值为0.000。,2.2 多元线性回归分析,计算结果-4： 常数项Constant=2264.321； 回归系数B分别为7.828和-73.338； 回归系数的标准差分别为6.821和9.438； 标准化回归系数Beta分别为0.119和-0.806； 二元线性回归方程： Y=2264.321+7.

32、828x1-73.338x2,2.2 多元线性回归分析,利用SPSS软件做三元线性回归分析 例： 依据气象台站的地理位置及多年平均降水量与蒸发量数据，进行降雨量Y和经度X1、纬度X2、年蒸发量X3的三元线性回归分析。,2.2 多元线性回归分析,计算结果： 常数项Constant=1956.150； 回归系数B分别为6.290、-56.412和-0.89； 三元线性回归方程： Y=1956.150+6.290x1-56.412x2-0.89x3,2.3 非线性回归分析,通用思路：将非线性关系经过特定规则转换为线性关系。 难点：如何考虑两个非线性相关的变量之间的关系，智能化判定最佳拟合曲线模型。

33、目前主要是不断建立新的非线性模型，形成数量庞大的非线性模型库。SPSS也支持自定义非线性模型，用以用户自定义的非线性回归分析。,2.3 非线性回归分析,非线性关系线性化的几种情况：,对于指数曲线 ，令 , 可以将其转化为直线形式： ， 其中， ； 对于对数曲线 ，令 ， ，可以将其转化为直线形式： ； 对于幂函数曲线 ，令 ， ，可以将其转化为直线形式： 其中， ；,2.3 非线性回归分析,对于双曲线 ，令 ，转化为直线形式： ； 对于S型曲线 ，可转化为直线形式： ； 对于幂乘积 ，只要令 ，就可以将其转化为线性形式 其中， ；,2.3 非线性回归分析,对于对数函数和只要令 ，就可以将其化为

34、线性形式,非线性关系线性化的几种情况：,2.3 非线性回归分析,例: 表中给出了某地区林地景观斑块面积（area）与周长（perimeter）的数据。建立林地景观斑块面积A与周长P之间的非线性回归模型 。 表：某地区各个林地景观斑块面积（m2）与周长（m）,2.3 非线性回归分析,解:（1）作变量替换， 令： ， ，将表中的原始数据进行对数变换，变换后得到的各新变量对应的观测数据如表所示。,2.3 非线性回归分析,（2）以x为横坐标、y为纵坐标，在平面直角坐标系中作出散点图。很明显，y与x呈线性关系。,2.3 非线性回归分析,（3）根据所得表中的数据，运用建立线性回归模型的方法，建立y与x之间

35、的线性回归模型，得到x与y的相关系数高达 =0.966 5。 （4）将上式还原成双对数曲线，即,2.3 非线性回归分析,利用SPSS软件做非线性回归分析 例：某地区大气氰化物测定结果如下所示，包括污染距离x与氰化物浓度y。,2.3 非线性回归分析,污染距离x与氰化物浓度y的散点图 呈指数曲线关系,2.3 非线性回归分析,1) 选择Analyze-RegressionCurve Estimation。 2) 因变量为氰化物浓度y，自变量为污染距离x。 3) 选择Models为Exponential(指数曲线模型)。,2.3 非线性回归分析,SPSS自带的曲线类型：,2.3 非线性回归分析,计算结

36、果-1： 模型描述(Model Description) 数据处理概述(Case Processing Summary),2.3 非线性回归分析,计算结果-2： 变量处理概述(Variable Processing Summary),2.3 非线性回归分析,计算结果-3： 回归模型与参数估计： 判定系数R2=0.992； 常数项Constant=0.929； 回归系数B=-0.009； 非线性回归方程：Y=0.929*e-0.009x,2.3 非线性回归分析,计算结果-4： 拟合曲线,2 回归分析,总结： 1) 一元和多元线性回归分析是最基础的回归分析方法，简单但应用最为广泛； 2) 非线性回归分析涉及到变量之间的复杂非线性关系，最常用的是利用指数模型、对数模型等常规曲线模型进行回归分析；,2 回归分析,总结： 3) 另外，回归分析还包括逻辑回归分析、概率单位回归分析等高级方法； 4) 非线性回归是研究中非常复杂的内容，事实上，现实世界中的要素之间的关系往往是复杂的、动态的、不可测的，更高级的研究方法包括神经网络、系统动力学、支持向量机等复杂性科学方法。,2 回归分析,问题： 1) 举例说明地理学科领域内哪些要素之间的关系是可以用线性回归分析进行测度的？ 2) 如何判定两个要素之间的相关关系是属于哪种曲线模型？(最原始的方法：绘制x和y的散点图，进行人工判定),