地理建模原理实验报告
地理建模实用技术 实习报告
《地理建模实用技术》课堂实验报告（2016-2017学年第1学期）班级：地信1301姓名：冯正英学号：311305030101上机前准备：充分不充分未准备上机考勤：全到缺次上机操作：认真不认真实验计划：完成部分完成未完成实验报告完成情况：全部按时完成，部分完成，基本未提交实验报告撰写质量：好较好差其它：综合评分：优良中及格不及格指导教师签名:年月日实验一在ArcCatalog中预览三维GIS数据专业：地理信息科学班级：1301 姓名：冯正英学号：311305030101 日期：2016-10-22 成绩：一、实验的目的与要求：（1）掌握ArcCatalog中数据预览方法；（2）掌握ArcCatalog中创建图层文件的方法。
二、实验软件及系统：Windows 7ArcGIS10.1三、实验内容及步骤：1.实验内容（1）在ArcCatalog预览数据；（2）在ArcCatalog中创建图层文件。
2.实验步骤（1）在ArcCatalog预览数据①启动ArcCatalog。
双击ArcCatalog图标，打开ArcCatalog软件，点击自定义→ArcCatalog 选项→常规选项卡→隐藏文件扩展名，单击ok确定。
②加载3D Analyst扩展模块。
点击自定义→扩展模块，在对话框中选中3D Analyst复选框，点击close按钮，关闭对话框。
③在ArcCatalog中加载3的视图工具条。
点击自定义→工具条，选中3D视图工具和Globe 视图工具复选框。
④查看catalog内容。
点击“＋”号按钮连接4DData文件夹，在左侧的Catalog目录树种找到Chapter01\data1文件夹。
单击前面加号展开文件夹，可以看到其中包含了一个tin，一个栅格，一个shapefile要素类。
⑤预览tin数据集。
单击目录中的cole_tin，选择显示区域上方的预览选项卡，点击预览菜单旁边的箭头，选择3D视图。
⑥使用导航，缩放，平移等工具。
地理建模原理实验报告定稿版
地理建模原理实验报告 HUA system office room 【HUA16H-TTMS2A-HUAS8Q8-HUAH1688】地理建模原理实验报告学号：姓名：高义丰班级： 1223102专业：地理信息系统指导老师：陵南燕2015年6月27日目录一、实习项目 (3)二、实习目的 (3)三、实习内容 (3)1、简单相关分析 (3)2、偏相关 (5)3、距离过程 (6)4、因子分析 (7)5、回归分析 (9)6、多元线性回归 (11)7、时序分析 (12)8、实习总结 (15)一、实习项目1.学习SPSS软件，学会如何该软件进行因子分析与回归分析（课堂）；2.学习SPSS软件，学会如何该软件随机时序分析（课堂）；3.利用SPSS软件，完成数据文件里的一系列操作。
二、实习目的在实习后根据老师讲解的内容能够对spss软件有所了解并能够掌握如何用统计软件进行相关分析、因子分析和回归分析等用实习数据完成此类实习操作，相关分析与回归分析有相关系数、相关分析与偏相关分析、距离分析。
三、实习内容1、简单相关分析在进行相关分析时，散点图是重要的工具，分析前应先做散点图，以初步确定两个变量间是否存在相关趋势，该趋势是否为直线趋势，以及数据中是否存在异常点。
否则可能的出错误结论。
输入数据后，依次单击Graphs—Scatterplot散点图确定两个变量间是否存在相关趋势，该趋势是否为直线趋势Bivariate相关分析的步骤：（1）输入数据后，依次单击Analyze—Correlate—Bivariate，打开Bivariate Correlations对话框。
如图打开双变量相关后在点选项就会得到结果图右边结果，如图设置即可得到结果结果分析：描述性统计量表，如下：从表中可看出， Pearson相关系数为0.865，即小鸡的体重与鸡冠的相关系数为0.865，显着性水平是0.01，这两者之间不相关的双尾检验值为0.001。
制作地理模型实验报告
制作地理模型实验报告引言地理模型是地理学研究中的重要工具，可以帮助我们更好地理解地理现象和地球系统。
通过制作地理模型，我们可以直观地观察地球的形状、地壳运动、地质构造以及气候变化等自然现象，有助于加深对地理学知识的理解和记忆。
本实验旨在利用简单的材料制作地理模型，并进行观察和实验，以探究地理学中的一些基本概念。
实验材料- 沙子- 砂岩碎片- 水- 容器- 模型工具（刷子、铲子等）实验步骤步骤一：制作地球模型1. 在容器中放入适量的沙子，使其均匀铺展在容器的底部，以模拟地球表面的陆地。
2. 向容器中倒入一些水，使之浸泡沙子，以模拟地球上的海洋。
3. 用刷子、铲子等工具仔细调整沙子的形状，模拟不同的地形，如山脉、河流、湖泊等。
步骤二：模拟地壳运动1. 在地球模型的上方轻轻放置一些砂岩碎片，模拟地壳中的岩石板块。
2. 轻轻用手指推动或旋转容器，观察砂岩碎片的变化。
可以看到砂岩板块之间的相对运动。
3. 观察并记录砂岩板块的运动情况，特别注意山脉的形成、地震、火山喷发等现象。
步骤三：模拟气候变化1. 在地球模型中制造出山脉和大片陆地，并围绕地球模型的顶部放置一个透明的杯子，模拟大气层。
2. 向杯子中加入一些水，然后将杯子用保鲜膜封口。
3. 将整个地球模型放置在光照充足的地方，观察水循环的过程。
可以观察到水蒸气升华、凝结为水滴、降下为降水等过程。
4. 可以通过调整光照强度或角度来模拟季节变化，观察降水和温度变化对不同地区的影响。
实验结果与讨论在制作地理模型并模拟地壳运动和气候变化的实验中，我们可以获得以下观察结果：1. 地球模型中的沙子可以通过调整形状和地势的方式模拟不同地形，如山脉、河流和湖泊等。
2. 通过轻轻推动或旋转容器，可以模拟地壳板块之间的运动，观察到山脉的形成和地震、火山喷发等现象。
3. 在模拟气候变化的实验中，我们可以观察到水蒸气的升华、凝结和降水的过程，并通过调整光照强度和角度来模拟季节变化对气候的影响。
数学建模实验报告实验六
《国土面积计算的研究方案》实验报告实验项目：插值与拟合问题实验地点：实验室名称：学院：管理科学与工程学院年级专业班：工程管理111学生姓名：刘继壮学号： ********完成时间：2013-04-20 教师评语：开课时间：至学年第学期成绩教师签名批阅日期国土面积计算的研究方案1 问题重述已知欧洲一个国家的地图，为了算出它的国土面积和边界长度，首先对地图作如下测量：以由西向东方向为x 轴，由南向北方向为y 轴，选择方便的原点，并将从最西边界点到最东边界点在x 轴上的区间适当地分为若干段，在每个分点的y 方向测出南边界点和北边界点的y 坐标1y 和2y ，这样就得到了表8的数据（单位：mm ）。
根据地图的比例我们知道1mm 相当于4km 。
请你研究如下三个问题：（1）直接进行数值积分求该国边界的近似长度和国土的近似面积。
（2）先对边界进行三次样条插值，再计算该国边界的近似长度和国土的近 似面积。
（3）对（1）和（2）的计算结果进行比较。
2 模型的建立与求解解： 假设测量的地图和数据准确，由最西边界点与最东边界点分为上下两条连续的边界曲线，边界内的所有土地均为该国国土。
假设从最西边界点到最东边界点，变量[]b a x ,∈，划分[]b a x ,∈为n 小段[]i i x x ,1-，并由此将国土分为n 小块，设每一小块均为X型区域。
即做垂直于x 轴的直线穿过该区域，直线与边界曲线最多只有两个交点。
利用数值积分法将上边界点与下边界点分别利用插值函数求出两条曲线，则曲线所围成面积即为国土面积（地图上的国土面积），然后根据比例缩放关系求出国土面积的近似解。
设上边界函数为()x f 2，下边界函数为()x f 1，由定积分定义可知曲线所围区域面积为()()ini i i n b a x f f dx x f ∆-=∑⎰=+∞→112)]([lim εε式中，],[1i i i x x -∈ε利用软件求得的图形为：020*********12014016020406080100120140东西距离(单位:mm)南北距离(单位:m m )国土面积计算——三次插值(比例尺为1:4000000)某国家国土区域插值边界参考文献[1]《运筹学》教材编写组，运筹学（修订版），北京：清华大学出版社，1990。
地理信息处理与建模实验二
实验二栅格数据空间分析一、实验目的栅格数据结构简单、直观，非常利于计算机操作和处理，是GIS常用的空间基础数据格式。
基于栅格数据的空间分析是GIS空间分析的基础，也是ArcGIS的空间分析模块的核心内容。
栅格数据的空间分析主要包括：距离制图、密度制图、表面生成与分析、单元统计、领域统计、分类区统计、重分类、栅格计算等功能。
ArcGIS栅格数据空间分析模块（Spatial Analyst）提供有效工具集，方便执行各种栅格数据空间分析操作，解决空间问题。
本章将对ArcGIS中栅格数据空间分析的各模块从原理上和实现上作详细的说明，并附以具体实例，引导读者更好的应用。
二、实验内容及主要步骤本次实验由五个部分组成：2.1 基础实验：创建文件地理数据库和环境设置；2.2 基础实验：创建地形因子；2.3 基础实验：山顶点的提取；2.4 基础实验：栅格计算；2.5提高实验：为新学校选址。
122.1 基础实验：创建文件地理数据库和环境设置 2.1.1背景基于ArcGIS 进行空间分析首先要设置分析环境。
分析环境的设置会一定程度地影响空间分析结果。
它主要包括工作目录的选择、栅格单元大小的设定、分析区域的选定、坐标基准的配准模式、分析过程文件的管理等 每个地图文档都有一个默认地理数据库，作为地图空间内容的本地位置。
此位置可用于添加数据集和保存各种编辑操作和地理处理操作生成的结果数据集。
例如，从图层中导出要素时，除非另外指定，否则数据会自动保存到地图的默认地理数据库中。
默认地理数据库与“地理处理环境”的“当前工作空间”始终一致，因此工具或模型的所有输出内容都将保存到此默认位置。
默认文件地理数据库能够有效的组织和存储数据，便于数据的加载与导出。
进行相应的环境设置，不仅能够保证数据信息的准确性（例如地图投影系统的设置和栅格数据处理单元的大小设置等操作），而且能够避免数据处理处理过程中意外报错。
所以创建文件地理数据库和环境设置是进行GIS 分析功能操作的第一步。
地理建模原理实验报告
地理建模原理实验报告学号： 0262姓名：高义丰班级： 1223102专业：地理信息系统指导老师：陵南燕2015年6月27日目录一、实习项目 (3)二、实习目的 (3)三、实习内容 (3)1、简单相关分析 (3)2、偏相关 (5)3、距离过程 (6)4、因子分析 (8)5、回归分析 (11)6、多元线性回归 (13)7、时序分析 (14)8、实习总结 (18)一、实习项目1.学习SPSS软件，学会如何该软件进行因子分析与回归分析（课堂）；2.学习SPSS软件，学会如何该软件随机时序分析（课堂）；3.利用SPSS软件，完成数据文件里的一系列操作。
二、实习目的在实习后根据老师讲解的内容能够对spss软件有所了解并能够掌握如何用统计软件进行相关分析、因子分析和回归分析等用实习数据完成此类实习操作，相关分析与回归分析有相关系数、相关分析与偏相关分析、距离分析。
三、实习内容1、简单相关分析在进行相关分析时，散点图是重要的工具，分析前应先做散点图，以初步确定两个变量间是否存在相关趋势，该趋势是否为直线趋势，以及数据中是否存在异常点。
否则可能的出错误结论。
输入数据后，依次单击Graphs—Scatterplot散点图确定两个变量间是否存在相关趋势，该趋势是否为直线趋势Bivariate相关分析的步骤：（1）输入数据后，依次单击Analyze—Correlate—Bivariate，打开Bivariate Correlations对话框。
如图打开双变量相关后在点选项就会得到结果图右边结果，如图设置即可得到结果结果分析：描述性统计量表，如下：从表中可看出， Pearson相关系数为，即小鸡的体重与鸡冠的相关系数为，显著性水平是，这两者之间不相关的双尾检验值为。
从统计结果可得到，小鸡的体重与鸡冠重之间存在正相关关系，当小鸡的体重越大时，则小鸡的鸡冠越重。
并且，否定了小鸡的体重与鸡冠重之间不相关的假设。
2、偏相关当有多个变量存在时，为了研究任何两个变量之间的关系，而使与这两个变量有联系的其它变量都保持不变。
地理信息系统原理上机实习报告
[地理信息系统原理上机实习报告]2019年4月24日目录1.shape file格式说明2.实验一2.1实习目的2.2实习原理2.3实习内容3.实验二3.1实习目的3.2实习原理3.3实习内容4.实验三4.1实习目的4.2实习原理4.3实习内容5.实验四5.1实习目的5.2实习原理5.3实习内容6.实习总结1.shape file格式说明ESRI Shapefile（shp），或简称shapefile，是美国环境系统研究所公司（ESRI）开发的一种空间数据开放格式。
Shapefile文件指的是一种文件存储的方法，实际上该种文件格式是由多个文件组成的。
其中，要组成一个Shapefile，有三个文件是必不可少的，它们分别是".shp", ".shx"与".dbf"文件。
Shapefile文件用于描述几何体对象：点，折线与多边形。
例如，Shapefile文件可以存储井、河流、湖泊等空间对象的几何位置。
除了几何位置，shp文件也可以存储这些空间对象的属性，例如一条河流的名字，一个城市的温度等等。
Shapefile属于一种矢量图形格式，它能够保存几何图形的位置及相关属性。
但这种格式没法存储地理数据的拓扑信息。
Shapefile 是一种比较原始的矢量数据存储方式，它仅仅能够存储几何体的位置数据，而无法在一个文件之中同时存储这些几何体的属性数据。
因此，Shapefile还必须附带一个二维表用于存储Shapefile中每个几何体的属性信息。
限制：一、Shapefile与拓扑Shapefile无法存储拓扑信息。
二、空间表达在shapefile文件之中，所有的折线与多边形都是用点来定义，点与点之间采用线性插值，也就是说点与点之间都是用线段相连。
在数据采集时，点与点之间的距离决定了该文件所使用的比例。
当图形放大超过一定比例的时候，图形就会呈现出锯齿。
要使图形看上去更加平滑，那么就必须使用更多的点，这样就会消耗更大的存储空间。
地理数据分析与建模集中实习日志(三)(武大遥感)
地理数据分析与建模集中实习日志（三）
今天，我针对实习5（回归模型）一些问题进行了思考
空间回归模型中，三种模型的优劣性比较
r^2越接近1，说明拟合度越好（预测值和实际值的残差越小）——从“分位图”的角度来看，拟合度越高，一个模型中，横坐标（index_of_m剥夺指数)对应的纵坐标（预测值）（蓝线）应该和实际值（红点）越相近。
我们只关注index_of_m剥夺指数与盗窃率之间的关系
首先使用ln对“真实盗窃率”SRDBURG01进行近似标准化，使之近似符合正态分布
下面将重点进行讲解3模型的区别
classisc:
以区域1为例：
实际值（ln_sr）与预测值相差很大
而且r^2与1相差很大，因此说明该模型不够准确，从
“分位图”的角度来看
首先明确一点：整体预测值（蓝线）的产生，源于几个采样点所计算出的预测值的连线
理论上，若拟合度好，实际值与蓝色的预测值应该很接近
事实上，如上图所示：纵轴是真实值。
使用该模型后，预测值（蓝色）与真实值的偏差还是较大的
2. 空间滞后
仍然以1为例
由于引入了自相关，整体预测值（蓝线）将与由几个采样点计算出来的预测值不完全重合
由上图，此时的整体预测值直线斜率为
相比classic的，该直线与实际值有更好的拟合度
3. 误差模型
由于误差模型的r^2大于滞后模型，说明该模型的直线（斜率为）将更好地拟合真实值。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
地理建模原理实验报告学号： 201220310262姓名：高义丰班级： 1223102专业：地理信息系统指导老师：陵南燕2015年6月27日目录一、实习项目 (3)二、实习目的 (3)三、实习内容 (3)1、简单相关分析 (3)2、偏相关 (5)3、距离过程 (6)4、因子分析 (7)5、回归分析 (9)6、多元线性回归 (11)7、时序分析 (12)8、实习总结 (15)一、实习项目1.学习SPSS软件，学会如何该软件进行因子分析与回归分析（课堂）；2.学习SPSS软件，学会如何该软件随机时序分析（课堂）；3.利用SPSS软件，完成数据文件里的一系列操作。
二、实习目的在实习后根据老师讲解的内容能够对spss软件有所了解并能够掌握如何用统计软件进行相关分析、因子分析和回归分析等用实习数据完成此类实习操作，相关分析与回归分析有相关系数、相关分析与偏相关分析、距离分析。
三、实习内容1、简单相关分析在进行相关分析时，散点图是重要的工具，分析前应先做散点图，以初步确定两个变量间是否存在相关趋势，该趋势是否为直线趋势，以及数据中是否存在异常点。
否则可能的出错误结论。
输入数据后，依次单击Graphs—Scatterplot散点图确定两个变量间是否存在相关趋势，该趋势是否为直线趋势Bivariate相关分析的步骤：（1）输入数据后，依次单击Analyze—Correlate—Bivariate，打开Bivariate Correlations对话框。
如图打开双变量相关后在点选项就会得到结果图右边结果，如图设置即可得到结果结果分析：描述性统计量表，如下：从表中可看出， Pearson相关系数为0.865，即小鸡的体重与鸡冠的相关系数为0.865，显著性水平是0.01，这两者之间不相关的双尾检验值为0.001。
从统计结果可得到，小鸡的体重与鸡冠重之间存在正相关关系，当小鸡的体重越大时，则小鸡的鸡冠越重。
并且，否定了小鸡的体重与鸡冠重之间不相关的假设。
2、偏相关当有多个变量存在时，为了研究任何两个变量之间的关系，而使与这两个变量有联系的其它变量都保持不变。
即控制了其它一个或多个变量的影响下，计算两个变量的相关性。
偏相关系数是用来衡量任何两个变量之间的关系的大小。
选择Analyze—Correlate—Partial打开偏相关，如下：在统计学中，自由度（DF）指的是计算某一统计量时，取值不受限制的变量个数。
通常df=n-k。
其中n为样本含量，k为被限制的条件数或变量个数，或计算某一统计量时用到其它独立统计量的个数。
自由度通常用于抽样分布中。
结果分析：在固定变量x2下Y与x1的偏相关系数为0.9483在a=0.001下线性关系显著。
3、距离过程距离相关分析是：对观测量之间或变量之间相似或不相似的程度的一种测量，可用于同一变量内部各个取值间，以考察其相互接近程度；也可以用于变量间，以考察预测测值对实际值的拟合优度。
距离相关分析的结果给出的是个变量或记录之间的距离大小，以供用户自行判断相似性。
选择Analyze—Correlate—Distances 距离分析设置如图所示点击确定就可以达到结果：Proximity MatrixCorrelation between Vectors of Valuesh1h2h3h1 1.000.573.731h2.573 1.000.088h3.731.088 1.000This is a similarity matrix三次测量结果的相关系数矩阵。
第一次测量与第二次测量结果的r = 0.573，第一次测量与第三次测量结果的r = 0.731，第二次测量与第三次测量结果的r = 0.088，由此可见，后两次测量的结果一致性较差，这意味着第一次恰好是后两次的“均值”，故对该指标作重复测量意义不大。
4、因子分析因子分析的基本目的就是用少数几个因子去描述许多指标或因素之间的联系，即将相关比较密切的几个变量归在同一类中，每一类变量就成为一个因子（之所以称其为因子，是因为它是不可观测的，即不是具体的变量，这与聚类分析不同），以较少的几个因子反映原资料的大部分信息。
选择[Analyze]=>[Data Reduction]=>[Factor]，显示的[Factor Analysis]结果分析：共同度（公共因子方差），共同度越大表示Xi对因子的共同依赖程度越大，因子描述变量越有效。
两个因子对所有变量的共同度都很大，在0.880 到0.988 之间。
从结果可以看出五个变量在第一个因子上都具有大的正负荷，尤其是X4 的负荷特别大。
在第二个因子上变量X1 和X3 都有较大的正负荷，X2和X5 都有较大的负荷，X1、X3 和X2、X5 形成了鲜明的对照，而在X4上的负荷非常小。
因子得分：对公共因子的取值进行估计，计算各个样本的公共因子得分。
在公共因子的空间中，按照各个样本的因子得分值标出其对应的位置。
结果如下图所示：5、回归分析如果在研究变量之间的相关关系时，把其中的一些因素作为所控制的变量（自变量），而另一些随机变量作为它们的因变量，这种关系分析就称为回归分析。
（1）一元线性回归选择主菜单[Analyze]=>[Regression]=>[Linear]打开线性回归因变量为y，自变量为x，得到下列参数分析表：拟合优度检验：样本观察值聚集在样本回归直线周围的紧密程度利用判定系数R2来判定R2越大模型拟合度越高相关系数显著性检验：两个变量间的线性相关程度，用相关系数R来判别，SXY 称为X 与Y 的样本协方差，SX 称为X 的样本标准差，SY 称为Y 的样本标准差。
根据给定的显著性水平α和样本容量n，查相关系数表得到临界值rα。
若|r|>rα，则X 与Y 有显著的线性关系，否则X 与Y 的线性相关关系不显著。
TSS=ESS+RSS (ESS可由回归直线解释，RSS不可解释的残差e)回归方程的显著性检验（F 检验）：对回归总体线性关系是否显著的一种假设检验根据给定的显著水平α确定临界值Fα（1，n-2），或者计算F 值所对应的p 值来判定。
如果F 值大于临界值Fα（1，n-2）（或者p<α），回归方程的线性关系是显著的。
输出结果中的非标准化的系数估计值（B）及其标准误差（Std.Error）。
可以看出，系数估计值分别为b 0= 0.607和 b1 = 0.542，则。
0.607+ 0.542X。
Std.Error表示b i与β i之间的差异，其值越小证明b i越可靠。
回归参数的显著性检验（t 检验）：根据样本估计结果对总体回归参数的有关假设进行检验ｔ检验的临界值是由显著水平α和自由度决定的,如果t 的绝对值大于临界值（或者p(实际显著性水平)<α），说明X 对Y具有显著的影响作用。
6、多元线性回归选择主菜单[Analyze]=>[Regression]=>[Linear]运行结果如下图所示：拟合优度检验：1.R2=0. 902，说明Y的变动中95%可由x1,x2解释2.调整判定系数去除自变量个数对拟合优度的影响3.复相关系数R等于R2开平方，反映样本观测值与拟合直线间的线性相关程度。
R=0.95，说明y与x1,x2之间相关程度为95%。
7、时序分析系统中某一变量的观测值按时间顺序（时间间隔相同）排列成一个数值序列，展示研究对象在一定时期内的变动过程，从中寻找和分析事物的变化特征、发展趋势和规律。
它是系统中某一变量受其它各种因素影响的总结果。
特征识别认识时间序列所具有的变动特征，以便在系统预测时选择采用不同的方法。
(1)随机性：均匀分布、无规则分布，可能符合某统计分布。
(用因变量的散点图和直方图及其包含的正态分布检验随机性，大多数服从正态分布。
)(2)平稳性：样本序列的自相关函数在某一固定水平线附近摆动，即方差和数学期望稳定为常数。
平稳过程的自相关系数和偏自相关系数都会以某种方式衰减趋近0，前者测度当前序列与先前序列之间简单和常规的相关程度，后者是在控制其它先前序列的影响后，测度当前序列与某一先前序之间的相关程度基本步骤(1)作直方图：检验正态性、零均值。
按图形Graphs—直方图Histogram如上图所示可得直方图结果：(2)作相关图：检验平稳性、周期性。
按分析—预测—自相关Autocorrelations打开选项：因为一般要求时间序列样本数据n>50，滞后周期k<n/4，所以此处控制最大滞后数值Maximum Number of Lags设定为16。
设置如下图所示：确定后得到结果：我们从上图中看出样本序列数据的自相关系数在某一固定水平线附近摆动，且按周期性逐渐衰减，所以该时间序列基本是平稳的。
相关图法：运行自相关图后，出现自相关图和偏自相关图从图中看出：自相关系数和偏相关系数具有相似的衰减特点：衰减快，相邻二个值的相关系数约为0.3，滞后二个周期的值的相关系数接近0.1，滞后三个周期的值的相关系数接近0.05。
所以，基本可以确定该时间序列为ARMA（p,q）模型形式，但还不能确定是ARMA （1,1）或是ARMA（2,2）模型。
但若前四个自相关系数分别为0.40、0.16、0.064、0.0256，则可以考虑用AR(1) 模型实际上，具体应用自相关图进行模型选择时，在观察ACF与PACF函数中，应注意的关键问题是：函数值衰减的是否快；是否所有ACF之和为-0.5，即进行了过度差分；是否ACF 与PACF的某些滞后项显著和容易解释的峰值等。
但是，仅依赖ACF图形进行时间序列的模型识别是比较困难的。
8、实习总结spss是我们专业接触的第一个统计软件,功能强大,虽然对它很多的输出结果还不会做出解释,但是随着学习的深入,这将使我们的一个好帮手,帮助我们完成很多的任务在SPSS 学习中,对它的认识由浅入深，循序渐进,实践中遇到的各种问题逐个攻克,学习这种在日常工作中有价值的分析方法，使我们更能轻易应付日后的社会的信息工作;掌握这种高级的技能,对我们工作就业提供了竞争优势。
在做时序分析的时候，借着前面的讲解，后面的操作还是比较好做的，比较棘手的是输出结果的解释，有的时候是上网搜的，有的时候是翻翻书，实在不行了只能问同学，其实大家都不太懂这个，才刚刚这种课程，还不能轻松的对输出结果进行解释，但是以后我们一定会掌握好这个软件的。
Spss的实习也是我们开始认识统计开始熟悉统计的过程，少部分东西在统计学原理上已经学过了，很多还没有学到，等学过之后我想我们就能很轻松地对结果进行解释了。