《利用SPSS对土壤及水样成分做分析并做对比.ppt》由会员分享，可在线阅读，更多相关《利用SPSS对土壤及水样成分做分析并做对比.ppt（27页珍藏版）》请在三一办公上搜索。
1、利用SPSS对土壤及水样成分做分析并做对比,学院：地学与环境工程学院班级：学号：姓名：,一.数据说明:,对土壤及水样成分做分析,首先要获得土壤及水样成分分析数据,本人使用的水样成分分析数据是做实验课时老师给的数据,土壤成分分析数据是把老师讲授课时的课件中的数据做了相应的修改,将其输入到Excel中获得的.,一.数据说明:,二.数据分析:,数据的添加过程老师在实验课时已经详细的讲解过了,有两个方法,都能成功地将数据加载进去,但要注意一点就是:加载数据的路径中不能有中文,否则数据将无法正常加载.加载的结果为:,1.数据加载:,按照老师所教的方法将文件保存后就能进行下一步操作了.,二.数据分析:,2
2、.原始数据标准化过程:(Descriptives过程),点击Analyze下的Descriptive Statistics选项，选择该选项下的Descriptives过程.选中待处理的变量，移至Variable(s)选中点击Save standrdized values as variables,最后点击Options.对选择对数据进行的处理后,点击Coutinue,最后点击OK.即完成了该过程.这里以水样成分分析数据为例,土壤分析数据类同.,二.数据分析:,结果为:,从中可以看出每种元素的样品数量,最小值,最大值,平均值和标准差,在这两组数据中明显可以看出的是元素的种类不同,元素的样品数量不
3、同.相同的元素有水样和土壤中的含量也在较大的区别.例如:Zn,Cu等.,2.原始数据标准化过程:(Descriptives过程),二.数据分析:,3.主成分分析(老师给的PPT中做了详细的解说,这里只做简单说明),点击Analyze下的Data Reduction选项，选择该选项下的Factor过程.选中待处理的变量，移至Variables.首先点击Descriptives(判断是否有进行因子分析的必要).选中Univariate descriptive,Coefficients,Significance levels,KMO and Bartletts test of sphericity点
4、击Continue.然后点击Extraction选择主成分分析方法及输出未旋转的因子载荷矩阵,这里选择的主成分分析方法是Principal components,其它选择默认点击Continue.第三步点击Rotation,选中 Varimax及Rotated solution点击Continue.第四步点击Scores,选中 Save as variables 及Regression点击Continue.最后点击Options,选中Exclude cases listwise及Sorted by size点击Continue.然后点击OK,分析结果就会出现了,这里还是以水样数据为例,土壤数据
5、类同.,二.数据分析:,3.主成分分析:,二.数据分析:,3.主成分分析:,按照这种方法对土壤成分分析数据进行处理.,二.数据分析:,4.主成分析结果分析:,结果中的第一个表中列出了标准化后数据的平均值（Mean）、标准差(Std.Deviation)和分析用到的取值个数(N).我们使用的软件是盗版软件所以标准化数据时没用出现了老师所说的值的变化,所以分析的结果和老师给出的结果也有不同,但不影响我们学习分析的过程.,说明:前面一个为水样分析结果,后面一个为土壤分析结果,后面的每个图都是这样排布的.即不做多的说明了.,二.数据分析:,4.主成分析结果分析:,上面一行表示多个变量之间的相关系统数系
6、数较大，说明这些变量之间存在着较为显著的相关性，下面一行为对应的Sig值,值普遍较小，说明有进行因子分析的必要.,圈出部分数据供分析参考.,二.数据分析:,4.主成分析结果分析:,KMO检验法和巴特利特球形检验法的检验结果.,Bartlett球形检验统计量的Sig0.01，认为各变量之间存在着显著的相关性.,一般，KMO大于0.9时效果最佳，0.7以上可以接受，0.5以下不宜作因子分析,二.数据分析:,4.主成分析结果分析:,SPSS输出的第四个表格“成分矩阵”是初始的未经旋转的因子载荷矩阵.,水样成分分析中选出了3个主因子,以替代原有的8个变量所含的信息.而在土壤成分分析中选出了2个因子,以
7、替代原有6个变量所含的信息.,二.数据分析:,4.主成分析结果分析:,SPSS输出的第七个表格“旋转成分矩阵”是经过旋转后的因子载荷矩阵,旋转后每个公因子上的载荷分配地更清晰，因子变量代表的变量相对集中，比未旋转时更容易解释各因子的意义,在水样成分分析中:第1公因子代表Cd、Zn、As、Pb这几个变量因素;第2公因子代表Cr、P两个变量;第3公因子代表Cu、Hg两个变量.我们将第1公因子命名为镉类，第2公因子命名为铬类，第3公因子命名为铜类,在土壤成分分析中:第1公因子代表Cd,Zn,Pb,Hg这四个变量;第2公因子代表Cr和Cu这两个变量.类似地,我们将第1公因子命名为镉类,第2公因子命名为
8、铬类.,二.数据分析:,4.主成分析结果分析:,SPSS输出的第八个表格“成分转换矩阵”是正交旋转后因素相关矩阵.,二.数据分析:,4.主成分析结果分析:,SPSS输出的第六个表格表示各因子变量的特征值与累积贡献率.,二.数据分析:,4.主成分析结果分析:,SPSS输出的第五个表格表示变量的共同度.,二.数据分析:,4.主成分析结果分析:,回到Data View窗口的当前数据集，会看到文件中增加了几列FAC1_1(第1因子得分)、FAC2_1(第2因子得分)和FAC3_1(第3因子得分),每个公因子代表的意义与前面所说的是一致的.,二.数据分析:,5.聚类分析:R聚类(对观测变量聚类),点击A
9、nalyze菜单下的Classify选项，选择Hierarchical Cluster.首先选择除“样号”外的其它选项.将选中的待处理的变量，移至Variable(s).选中“样号”,将所选变量移至Lable Cases(选入标签变量).在Cluster区域内，选中Variable(R聚类).然后选择Satistics,选中Agglomeration schedule(输出聚类过程表)和Proximity matrix输出各项之间的距离矩阵或相似度矩阵及None(不显示类成员表),点击Continue.第三步选择Plots,选中Dendrogram(树形图，系统描绘了聚类的整个过程)和All
10、clusters(把聚类的每一步都表现在图中)及Vertical(纵向显示冰柱图),点击Continue.第四步选择Method,选择Between-groups linkage(这种方法最充分地使用了数据资料)和Pearson correlation(适用于R型聚类)及None(不进行标准化)点击Continue.最后点击OK.这里还是以水样成分分析数据为例,土壤数据类同.数据分析时也还是将水样成分数据放在前面.,二.数据分析:,5.聚类分析:R聚类(对观测变量聚类),二.数据分析:,5.聚类分析:R聚类(对观测变量聚类),对土壤成分分析数据做类似的工作.然后进行对比说明.,二.数据分析:,
11、6.聚类分析:R聚类结果分析.,R聚类输出的第二个表是聚类表(Agglomeration Schedule).,水样成分中有8个变量.8个观测变量经过7步聚为了一类,土壤成分中有6个变量,6个观测变量经过5步聚为了一类.,二.数据分析:,6.聚类分析:R聚类结果分析.,R聚类输出的第三个图是冰柱图(Vertical Icicle).,垂直冰柱图以柱状图的方式显示了聚类的整个过程，通过它能很快的发现某个观测所参与的所有聚类步骤.,二.数据分析:,6.聚类分析:R聚类结果分析.,R聚类输出的第四个图是树状图.,系统树状图更直观地显示出了聚类的整个过程，当要分类的变量个数较多时，该图比冰柱图显得清晰了许多.,二.数据分析:,6.聚类分析:R聚类结果分析.,二.数据分析:,6.聚类分析:R聚类结果分析.,通过聚类分析不难看出在水样成分分析中.可选Cd(镉)、Cu、Cr(铬)这三种元素，其效果与八个指标都用是基本等价的，但更经济更迅速.同理在土壤成分分析中,可选Cd(镉)和Cr(铬)两种元素,能够更经济且更快地得到想要的分析结果.,三.结束语:,通过这次实验学到了很多东西,但也还有很多东西不是很懂,希望老师看过PPT后给出部分意见.,谢谢,再见!,2010年4月12日,
