土的颗粒分析试验 Ting Bao was revised on January 6, 20021
土的颗粒分析试验
第一节 筛析法
一、试验目的
测定小于某粒径的颗粒或粒组占砂土质量的百分数，以便了解土的粒度成分，并作为砂土分类及土工建筑选料的依据。
二、基本原理
筛析法是利用一套孔径不同的标准筛来分离一定量的砂土中与筛孔径相应的粒组，而后称量，计算各粒组的相对含量，确定砂土的粒度成分。此法适用于分离粒径大于的粒组。
三、仪器设备
1、标准筛一套(图1-1)；
2、普通天平：称量500g ，最小分度值；
3、磁钵及橡皮头研棒；
4、毛刷、白纸、尺等。
四、操作步骤
1、制备土样
(1) 风干土样，将土样摊成薄层，在空气中放1～2天, 使土中水分蒸发。若土样已干， 则可直接使用。
(2) 若试样中有结块时，可将试样倒入磁钵中，用橡皮头研棒研磨，使结块成为单独颗粒为止。但须注意，研磨力度要合适，不能把颗粒研碎。
(3) 从准备好的土样中取代表性试样，数量如下： 最大粒径小于2mm 者，取100～300g ；
最大粒径为2～10mm 之间的，取300～1000g ； 最大粒径为10～20mm 之间的，取1000～2000g ； 最大粒径为20～40mm 之间的，取2000～4000g ； 最大粒径大于40mm 者，取4000g 以上。
顶盖
2mm 1mm 底盘
1 2
3 取走
取走
4
图1－1标准筛
图1－2 四分法图解
用四分法来选取试样，方法如下：将土样拌匀，倒在纸上成圆锥形(图, 然后用尺以圆锥顶点为中心，向一定方向旋转(图, 使圆锥成为1～2cm 厚的圆饼状。继而用尺划两条相互垂直的直线，把土样分成四等份，取走相同的两份(图、图, 将留下的两份土样拌匀；重复上述步骤，直到剩下的土样约等于需要量为止。
2、过筛及称量
(1) 用普通天平称取一定量的试样, 准确至；
(2) 检查标准筛叠放顺序是否正确(大孔径在上，小孔径在下)，筛孔是否干净，若夹有土粒，需刷净。将已称量的试样倒入顶层筛盘中，盖好盖，用手或摇筛机摇振，持续时间一般为10～15min, 然后按从上至下的顺序取下筛盘，在白纸上用手轻叩筛盘，摇晃，直到筛净为止。将漏在白纸上的土粒倒入下一层筛盘内，按此顺序，直到最末一层筛盘筛净为止。
(3) 称量留在各筛盘上的土粒质量，准确至, 并测量试样中最大颗粒的直径。若大于2mm 的颗粒超过50%，再用粗筛进行分析。
五、成果整理
1、某粒径的试样质量占试样总质量的百分比按下式计算，准确至小数后一位。
%100?=
B
A
m m X (1-
1)
式中，X 为小于某粒径的试样质量占试样总质量的百分比,%；m A 为小于某粒径的试样质量,g ；m B 为所取试样总质量,g 。
各筛盘上土粒的质量之和与筛前所称试样的质量之差不得大于1%，否则应重新试验。若两者差值小于1%, 应分析试验过程中误差产生的原因，分配给某些粒组；最终，各粒组百分含量之和应等于100%，将试验数据填写在记录表中。
2、查土类
若粒径小于的含量大于50% 则该土不是砂土，而是细粒土，将这一部分用密度计法(见第二节)继续分析。
3、在单对数坐标上绘制颗粒大小分布曲线，求不均匀系数u C 和曲率系数C C ，说明该土的均一性,并确定土的名称。
4、填写试验报告。
六、注意事项
1、在筛析中，尤其是将试样由一器皿倒入另一器皿时，要避免微小颗粒的飞扬。
2、过筛后，要检查筛孔中是否夹有颗粒，若夹有颗粒，应将颗粒轻轻刷下，放入该筛盘上的土样中，一并称量。
七、思考题
1、“粒组”与“粒度成分”两术语有什么区别
2、试分析试验过程中误差产生的原因及误差如何分配。
第二节密度计法
一、试验目的
测定小于某粒径的颗粒占细粒土质量的百分数，以便了解土粒组成情况；并作为粉土和粘性土的分类和建筑选料之用。
二、基本原理
密度计法是依据斯托克斯(Stokes)定律进行测定的。当土粒在液体中靠自重下沉时，较大的颗粒下沉较快，而较小的颗粒下沉则较慢。一般认为，对于粒径为～的颗粒，在液体中靠自重下沉时，作等速运动，这符合斯托克斯定律。密度计法是静水沉降分析法的一种，只适用于粒径小于的土样。
密度计法，是将一定量的土样(粒径<放在量筒中，然后加纯水，经过搅拌，使土的大小颗粒在水中均匀分布，制成一定量的均匀浓度的土悬液(1000mL)。静止悬液，让土粒沉降，在土粒下沉过程中，用密度计测出在悬液中对应于不同时间的不同悬液密度，根据密度计读数和土粒的下沉时间，就可计算出粒径小于某一粒径d(mm)的颗粒占土样的百分数。
用密度计进行颗粒分析须作下列三个假定：
1、斯托克斯定律能适用于用土样颗粒组成的悬液。
2、试验开始时, 土的大小颗粒均匀地分布在悬液中。
3、所采用量筒的直径较比重计直径大得多。
三、仪器设备
1、密度计
目前通常采用的密度计有甲、乙两种，这两种密度计的制造原理及使用方法基本相同,但密度计的读数所表示的含义则是不同的，甲种密度计读数所表示的是一定量悬液中的干土质量；乙种密度计读数所表示的是悬液比重。
(1)甲种密度计，刻度单位以在20oC时每1000mL悬液内所含土质量的克数来表示，刻度为-5～50，最小分度值为。
(2)乙种密度计，刻度单位以在20oC时悬液的比重来表示，刻度为～，最小分度值为。
2、量筒：容积1000mL；
3、漏斗式洗筛：孔径；
4、搅拌器：轮径50mm，孔径3mm；
5、煮沸设备：电热器、锥形烧瓶；
6、分散剂：4%六偏磷酸钠或其他分散剂；
7、其他：温度计、研钵、秒表、烧杯、瓷皿、天平等。
四、操作步骤
1、密度计的校正
密度计在制造过程中, 其浮泡体积及刻度往往不易准确, 况且, 密度计的刻度是以20C 的纯水为标准的。由于受实验室多种因素的影响，密度计在使用前应对刻度、弯液面、土粒沉降距离、温度、分散剂等的影响进行校正。
(1)土粒沉降距离校正 ① 测定密度计浮泡体积
在250mL 量筒内倒入约130mL 纯水，并保持水温为20C ，以弯液面上缘为准，测记水面在量筒上的读数并划一标记，然后将密度计缓慢放入量筒中，使水面达密度计的最低刻度处(以弯液面上缘为准)时，测记水面在量筒上的读数并再划一标记，水面在量筒上的两个读数之差即为密度计的浮泡体积，读数准确至1mL 。
② 测定密度计浮泡体积中心
在测定密度计浮泡体积之后, 将密度计垂直向上缓慢提起，并使水面恰好落在两标记的中间，此时，水面与浮泡的相切处(弯液面上缘为准)，即为密度计浮泡的中心，将密度计固定在三角架上，用直尺量出浮泡中心至密度计最低刻度的垂直距离。
③ 测定1000mL 量筒的内径（准确至1mm ），并计算出量筒的截面积。 ④ 量出密度计最低刻度至玻璃杆上各刻度的距离, 每5格量距1次。 ⑤ 按下式计算土粒有效沉降距离
)A 2(A 201b b V
L L V L L -+=-
'= (1-2)
式中，L 为土粒有效沉降距离，cm ；L '为水面至密度计浮泡中心的距离，
cm ；L 1为最低刻度至玻璃杆上各刻度的距离，cm ；L 0为密度计浮泡中心至最低刻度的距离，cm ；V b 为密度计浮泡体积，cm 3；A 为1000mL 量筒的截面积，cm 。
⑥ 用所量出的最低刻度至玻璃杆上各刻度的不同距离L 1值代入式(1-2), 可计算出各相应的土粒有效沉降距离L 值，并绘制密度计读数与土粒有效沉降距离的关系曲线，从而根据密度计的读数就可得出土粒有效沉降距离。
(2)刻度及弯液面校正
试验时密度计的读数应以弯液面的上缘为准，而密度计制造时其刻度是以弯液面的下缘为准(图1-3)，因此应对密度计刻度及弯液面进行校正。将密度计放入20oC 纯水中，此时密度计上弯液面的上、下缘的读数之差即为弯液面的校正值。因弯液面上缘刻度永远大于下缘刻度，故此值永远为正。某些密度计出厂时已注明以弯液面上缘为
准，即校正值为零。
(3)温度校正
密度计刻度是在20oC 时刻制的, 但试验时的悬液温度不一定恰好等于20oC, 而水的密度变化及密度计浮泡体积的膨胀，会影响到密度计的准确读数，因此需要加以温度校正。密度计读数的温度校正值可从表1-1查得。
(4)分散剂校正
为了使悬液充分分散，常加一定量的分散剂，悬液的密度则比原来的增大，因此应考虑分散剂对密度计读数的影响。具体方法是：将量筒内1000mL 的纯水恒温至20oC, 先测出密度计在20oC 纯水中的读数, 然后再加试验时采用
图 1-3 弯液面校正
的分散剂, 用搅拌器在量筒内沿整个深度上下搅拌均匀, 并将密度计放入溶液中测记密度计读数, 两者之差, 即为分散剂校正值。
(5)土粒比重校正
密度计刻度系假定悬液内土粒的比重为制作的，若试验时土粒的比重不是，则必须加以校正，甲、乙两种密度计的比重校正值可由表1-2查得。
表1-2 土粒比重校正值
2、处理土样及制备悬液
(1) 取代表性试样200～300g, 风干并测定试样的风干含水率，放入研钵中，用带橡皮头的研棒研散。
(2) 称风干试样30g，倒入500mL锥形瓶，注入纯水200ml, 浸泡过夜。
(3) 将盛土液的锥形瓶稍加摇晃后放在煮沸设备上进行煮沸，煮沸时间宜为40min。
(4) 将冷却后的悬液全部冲入烧杯中，用带橡皮头研棒研磨；静止约
1min，将上部悬液倒在洗筛上，经漏斗注入1000mL的大量筒内，遗留杯底沉淀
物用橡皮头研棒研散，再加适量纯水搅拌，倒出上部悬液过筛入量筒内。如此反复，直至悬液澄清后将烧杯中全部试样过筛，冲洗干净；将筛上砂粒移入蒸发皿内，烘干后，按试验一步骤2过筛称量，并计算各粒组百分含量。
(5) 在大量筒中加入4%浓度的六偏磷酸钠10mL ，再注入纯水至1000mL 。 3、按时测定悬液的密度及温度
(1)将搅拌器放入量筒中，沿悬液深度上下搅拌1min ，使土粒完全均布到整个悬液中。注意搅拌时勿使悬液溅出量筒外。
(2)取出搅拌器，同时立即开动秒表，将密度计放入悬液中，测记、1、2、5、15、30、60、120和1440min 时的密度计读数，并测定其相应的悬液温度。根据试验情况或实际需要，可增加密度计读数次数，或缩短最后一次读数时间。
(3) 每次读数时均应在预定时间前10～20s 将密度计徐徐放入悬液中部，不得贴近筒壁，并使密度计竖直，还应在近似于悬液密度的刻度处放手，以免搅动悬液。
(4) 密度计读数以弯液面上缘为准。甲种密度计应准确至, 估读至；乙种密度计应准确至, 估读至。每次读数完毕，立即取出密度计，放入盛有清水的量筒中。
(5) 测定悬液温度，应准确至oC 。
五、成果整理
1、试样颗粒粒径按斯托克斯公式(1-3)计算：
t L
A
t L g G G d wt wt s =?-?=ρη)(1018004 (1-3)
式中，d 为土颗粒粒径，mm ； 为水的动力粘滞系数（kPa·s×10－6）；G s
为土粒比重；G wt 为 t oC 时水的比重；ρwt 为4oC 时纯水的密度，g/cm 3；L 为土粒下沉距离，cm ；t 为土粒下沉时间，s ；g 为重力加速度(cm/s 2)；A 为粒径计算系数，与悬液温度和土粒比重有关，可由表1-3查得。
表1-3 粒径计算系数A 值表
2、小于某粒径的试样质量占试样总质量的百分比可按式(1-4)或式(1-5)计算：
(1)甲种比重计
100)(％1
?-++??=
D t G s
C n m R C m X (1-4)
式中，X 为小于某粒径的试样质量的百分比，％；m s 为土样干质量，g ；C G
为土粒比重校正值, 查表1-2；R 为甲种密度计读数；m t 为悬液温度校正值，查表1-1；n 为弯液面校正值；D C 为分散剂校正值。
(2)乙种比重计
%1100])([20??'-'+'+-'?'?=
w D t G
s
x
C n m R C m V X ρ (1-5)
式中，G
C '为土粒比重校正值，查表1-2；R '为乙种密度计读数；t m '为悬液温度校正值，查表1-1；n '为弯液面校正值；
D C '为分散剂校正值；V x
为悬液体积(＝1000mL)；ρw20为20℃时纯水的密度，取cm 3。
3、在半对数坐标上绘制颗粒大小分布曲线，求不均匀系数C u 和曲率系数C c ，说明该土的均一性。
必须指出的是, 当试样中既有小于的颗粒, 又有大于的颗粒, 需进行密度计法和筛析法联合分析时, 应考虑到小于的试样质量占试样总质量的百分比, 即应将按式(1-4)或式(1-5)所得的计算结果, 再乘以小于的试样质量占试样总质量的百分数, 然后再分别绘制密度计法和筛析法所得的颗粒大小分布曲线, 并将两段曲线连成一条平滑的曲线。
4、填写试验报告。
六、注意事项
1、每次测得悬液密度后，均应将密度计轻轻放在盛水的量筒中。
2、读数要迅速准确，不宜将密度计在悬液中放置时间过久。在正式试验前，必须多次练习密度计的准确读数方法。
3、试验前，应将量筒放在固定平稳的地方，试验中不得移动，并保持悬液温度稳定。
数据分析实验报告 文稿归稿存档编号：[KKUY-KKIO69-OTM243-OLUI129-G00I-FDQS58-
第一次试验报告 习题1.3 1建立数据集，定义变量并输入数据并保存。 2数据的描述，包括求均值、方差、中位数等统计量。 分析—描述统计—频率，选择如下： 输出： 统计量 全国居民 农村居民 城镇居民 N 有效 22 22 22 缺失 均值 1116.82 747.86 2336.41 中值 727.50 530.50 1499.50 方差 1031026.918 399673.838 4536136.444 百分位数 25 304.25 239.75 596.25 50 727.50 530.50 1499.50 75 1893.50 1197.00 4136.75 3画直方图，茎叶图，QQ 图。（全国居民） 分析—描述统计—探索，选择如下： 输出： 全国居民 Stem-and-Leaf Plot Frequency Stem & Leaf 5.00 0 . 56788 数据分析实验报告 【最新资料，WORD 文档，可编辑修改】
2.00 1 . 03 1.00 1 . 7 1.00 2 . 3 3.00 2 . 689 1.00 3 . 1 Stem width: 1000 Each leaf: 1 case(s) 分析—描述统计—QQ图，选择如下： 输出： 习题1.1 4数据正态性的检验：K—S检验，W检验数据： 取显着性水平为0.05 分析—描述统计—探索，选择如下：（1）K—S检验
结果：p=0.735 大于0.05 接受原假设，即数据来自正太总体。 （2 ）W 检验 结果：在Shapiro-Wilk 检验结果972.00 w ，p=0.174大于0.05 接受原假设，即数据来自正太总体。 习题1.5 5 多维正态数据的统计量 数据：
SPSS相关分析实验报告 篇一：spss对数据进行相关性分析实验报告 实验一 一.实验目的 掌握用spss软件对数据进行相关性分析，熟悉其操作过程，并能分析其结果。 二.实验原理 相关性分析是考察两个变量之间线性关系的一种统计分析方法。更精确地说，当一个变量发生变化时，另一个变量如何变化，此时就需要通过计算相关系数来做深入的定量考察。P值是针对原假设H0：假设两变量无线性相关而言的。一般假设检验的显著性水平为0.05，你只需要拿p值和0.05进行比较：如果p值小于0.05，就拒绝原假设H0，说明两变量有线性相关的关系，他们无线性相关的可能性小于0.05；如果大于0.05，则一般认为无线性相关关系，至于相关的程度则要看相关系数R值，r越大，说明越相关。越小，则相关程度越低。而偏相关分析是指当两个变量同时与第三个变量相关时，将第三个变量的影响剔除，只分析另外两个变量之间相关程度的过程，其检验过程与相关分析相似。三、实验内容 掌握使用spss软件对数据进行相关性分析，从变量之间的相关关系，寻求与人均食品支出密切相关的因素。 (1)检验人均食品支出与粮价和人均收入之间的相关关系。 a.打开spss软件，输入“回归人均食品支出”数据。
b.在spssd的菜单栏中选择点击，弹出一个对话窗口。 C.在对话窗口中点击ok,系统输出结果，如下表。 从表中可以看出，人均食品支出与人均收入之间的相关系数为0.921，t检验的显著性概率为0.0000.01，拒绝零假设，表明两个变量之间显著相关。人均食品支出与粮食平均单价之间的相关系数为0.730，t检验的显著性概率为 0.0000.01，拒绝零假设，表明两个变量之间也显著相关。 (2)研究人均食品支出与人均收入之间的偏相关关系。 读入数据后： A.点击系统弹出一个对话窗口。 B.点击OK，系统输出结果，如下表。 从表中可以看出，人均食品支出与人均收入的偏相关系数为0.8665，显著性概率p=0.0000.01，说明在剔除了粮食单价的影响后，人均食品支出与人均收入依然有显著性关系，并且0.86650.921，说明它们之间的显著性关系稍有减弱。通过相关关系与偏相关关系的比较可以得知：在粮价的影响下，人均收入对人均食品支出的影响更大。 三、实验总结 1、熟悉了用spss软件对数据进行相关性分析，熟悉其操作过程。 2、通过spss软件输出的数据结果并能够分析其相互之间的关系，并且解决实际问题。 3、充分理解了相关性分析的应用原理。
企业实习相关分析报告范文 本次外出实习，部里安排我到xx会计师事务所实习，主要任务是协助各注册会计师到各街道进行查账，主要工作有编制工作底稿，查阅凭证，帐簿，报表发现问题，提出审计意见，进行现金盘点，资产清查，编制审计报告等。 本次外出实习，我感觉收获特别大。第一：收集了很多教学素材案例，在审计过程中，一旦我发现有对我以后教学有用的东西，我都会用笔记本记录下来。故此，这次外出企业实习，我做的笔记就有3本。我相信这些素材将会对我以，后教学提供很多帮助。本学期我讲授企业单项实训课程，在授课时就经常顺手拈来我外出审计中碰到的很多案例感觉教学效果很好。第二：了解目前企业会计现状以及他们在做帐过程中存在的各种问题及种种舞弊现象。第三：向注册会计师学习了很多知识，对于我在审计过程中碰到的各种问题，我都会虚心地向xx会计师事务所的老师询问，对于我提出的各种轰炸式提问，他们都很耐心地给予回答。第四：近距离接触，真正了解到对会计人员各方面素质及要求，为我以后在讲授课程时对于授课内容如何有所侧重更有帮助。本次发言，张部长主要让我谈一谈目前企业对会计人员要求，我们在教学中应注重培养学生哪些方面知识.我以为主要有以下几方面：一，会计电算化知识 本次外出企业查帐，我发现大部分企业已实现用电脑做帐，而且大部分企业公司都是采用金蝶财务软件做帐，少部分采用用友软件做帐。故此，我们应重点加强这方面知识讲授，让每位同学都能达到熟练运用这2个财务软件.既然是用电脑做帐，对打字速度有一定要求，一般要求学生每分钟要达到40-50个字左右。 二，税务知识 本次外出企业查帐，我发现很多公司因为规模较小，只设有一名会计人员，会计人员可以说是一名多面手、做帐、报税等均是他的工作。所以，我们以后应加强税务知识讲授，尤其是税务实务操作练习，教会每会学生如何申请报税、计税、缴税、尤其是几个主要税种，如个人所得税、企业所得税、营业税、房产税等更要重点讲授。 三，出纳方面知识 由于我们的学生学历较低，很多同学毕业后只能担任出纳，故此，对于出纳工作主要职责(如登记现金日记帐、银行存款日记帐、保管库存现金、有价证券、空白发票、支票印章)以及应具备技能(如点钞、计算器、辩别真假钞票)等应让学生熟练掌握。 四，财会法规知识
数据分析实验报告 【最新资料，WORD文档，可编辑修改】 第一次试验报告 习题1.3 1建立数据集，定义变量并输入数据并保存。 2数据的描述，包括求均值、方差、中位数等统计量。 分析—描述统计—频率，选择如下： 输出：
方差1031026.918399673.8384536136.444百分位数25304.25239.75596.25 50727.50530.501499.50 751893.501197.004136.75 3画直方图，茎叶图，QQ图。（全国居民） 分析—描述统计—探索，选择如下： 输出： 全国居民Stem-and-Leaf Plot Frequency Stem & Leaf 9.00 0 . 122223344 5.00 0 . 56788 2.00 1 . 03 1.00 1 . 7 1.00 2 . 3 3.00 2 . 689
1.00 3 . 1 Stem width: 1000 Each leaf: 1 case(s) 分析—描述统计—QQ图，选择如下： 输出： 习题1.1 4数据正态性的检验：K—S检验，W检验数据： 取显着性水平为0.05 分析—描述统计—探索，选择如下：（1）K—S检验 单样本Kolmogorov-Smirnov 检验 身高N60正态参数a,,b均值139.00
标准差7.064 最极端差别绝对值.089 正.045 负-.089 Kolmogorov-Smirnov Z.686 渐近显着性(双侧).735 a. 检验分布为正态分布。 b. 根据数据计算得到。 结果：p=0.735 大于0.05 接受原假设，即数据来自正太总体。（2）W检验
土的颗粒分析试验 第一节 筛析法 一、试验目的 测定小于某粒径的颗粒或粒组占砂土质量的百分数，以便了解土的粒度成分，并作为砂土分类及土工建筑选料的依据。 二、基本原理 筛析法是利用一套孔径不同的标准筛来分离一定量的砂土中与筛孔径相应的粒组，而后称量，计算各粒组的相对含量，确定砂土的粒度成分。此法适用于分离粒径大于0.075mm 的粒组。 三、仪器设备 1、标准筛一套(图1-1)； 2、普通天平：称量500g ，最小分度值0.1g ； 3、磁钵及橡皮头研棒； 4、毛刷、白纸、尺等。 四、操作步骤 1、制备土样 (1) 风干土样，将土样摊成薄层，在空气中放1～2天, 使土中水分蒸发。若土样已干， 则可直接使用。 (2) 若试样中有结块时，可将试样倒入磁钵中，用橡皮头研棒研磨，使结块成为单独颗粒为止。但须注意，研磨力度要合适，不能把颗粒研碎。 (3) 从准备好的土样中取代表性试样，数量如下： 最大粒径小于2mm 者，取100～300g ； 最大粒径为2～10mm 之间的，取300～1000g ； 最大粒径为10～20mm 之间的，取1000～2000g ； 最大粒径为20～40mm 之间的，取2000～4000g ； 最大粒径大于40mm 者，取4000g 以上。 顶盖 2mm 1mm 0.5mm 0.25mm 0.1mm 0.075mm 底盘 1 2 3 取走 取走 4 图1－1标准筛 图1－2 四分法图解
用四分法来选取试样，方法如下：将土样拌匀，倒在纸上成圆锥形(图1-2.1), 然后用尺以圆锥顶点为中心，向一定方向旋转(图1-2.2), 使圆锥成为1～2cm 厚的圆饼状。继而用尺划两条相互垂直的直线，把土样分成四等份，取走相同的两份(图1-2.3、图1-2.4), 将留下的两份土样拌匀；重复上述步骤，直到剩下的土样约等于需要量为止。 2、过筛及称量 (1) 用普通天平称取一定量的试样, 准确至0.1g ； (2) 检查标准筛叠放顺序是否正确(大孔径在上，小孔径在下)，筛孔是否干净，若夹有土粒，需刷净。将已称量的试样倒入顶层筛盘中，盖好盖，用手或摇筛机摇振，持续时间一般为10～15min , 然后按从上至下的顺序取下筛盘，在白纸上用手轻叩筛盘，摇晃，直到筛净为止。将漏在白纸上的土粒倒入下一层筛盘内，按此顺序，直到最末一层筛盘筛净为止。 (3) 称量留在各筛盘上的土粒质量，准确至0.1g , 并测量试样中最大颗粒的直径。若大于2mm 的颗粒超过50%，再用粗筛进行分析。 五、成果整理 1、某粒径的试样质量占试样总质量的百分比按下式计算，准确至小数后一位。 %100?= B A m m X (1-1) 式中，X 为小于某粒径的试样质量占试样总质量的百分比,%；m A 为小于某粒径的试样质量,g ；m B 为所取试样总质量,g 。 各筛盘上土粒的质量之和与筛前所称试样的质量之差不得大于1%，否则应重新试验。若两者差值小于1%, 应分析试验过程中误差产生的原因，分配给某些粒组；最终，各粒组百分含量之和应等于100%，将试验数据填写在记录表中。 2、查土类 若粒径小于0.075mm 的含量大于50% 则该土不是砂土，而是细粒土，将这一部分用密度计法(见第二节)继续分析。 3、在单对数坐标上绘制颗粒大小分布曲线，求不均匀系数u C 和曲率系数C C ，说明该土的均一性,并确定土的名称。 4、填写试验报告。 六、注意事项 1、在筛析中，尤其是将试样由一器皿倒入另一器皿时，要避免微小颗粒的飞扬。 2、过筛后，要检查筛孔中是否夹有颗粒，若夹有颗粒，应将颗粒轻轻刷下，放入该筛盘上的土样中，一并称量。 七、思考题 1、“粒组”与“粒度成分”两术语有什么区别？ 2、试分析试验过程中误差产生的原因及误差如何分配。 第二节 密度计法 一、试验目的 测定小于某粒径的颗粒占细粒土质量的百分数，以便了解土粒组成情况；并作为粉土和
实验课程专业统计软件应用 上课时间2012 学年 1 学期15 周（2012 年12 月18日—28 日） 学生姓名李艳学号2010211587 班级0331002 所在学院经济管 上课地点经管3 楼指导教师胡大权理学院
实验内容写作 第六章 一实验目的 1、理解方差分析的基本概念 2、学会常用的方差分析方法 二实验内容 实验原理：方差分析的基本原理是认为不同处理组的均值间的差别基本来源有两个：随机误差，如测 量误差造成的差异或个体间的差异，称为组内差异 根据老师的讲解和课本的习题完成思考与练习的5、6、7、8题。 第5题：为了寻求适应某地区的高产油菜品种，今选5个品种进行试验，每一种在4块条件完全相同的试验田上试种，其他施肥等田间管理措施完全一样。表 6.20所示为每一品种下每一块田的亩产量，根 据这些数据分析不同品种油菜的平均产量在显著水平0.05下有无显著性差异。 第一步分析 由于考虑的是控制变量对另一个观测变量的影响，而且是5个品种，所以不宜采用独立样本T检验，应该采用单因素方差分析。 第二步数据的组织 从实验材料中直接导入数据 第三步方差相等的齐性检验 由于方差分析的前提是各水平下的总体服从方差相等的正态分布，而且各组的方差具有齐性，其中正 态分布的要求并不是非常严格，但是对于方差相等的要求还是比较严格的，因此必须对方差相等的前提进 行检验。
第四步多重比较分析 通过上面的步骤，只能判断不同的施肥等田间操作效果是否有显著性差异，如果要想进一步了解究竟那 个品种与其他的有显著性均值差别等细节问题，就需要单击上图中的两两比较按钮。 第五步运行结果及分析 多重比较结果表：从该表可以看出分别对几个不同的品种进行的两两比较。最后我们可以得出结论第4品种是最好的。其他的次之。 第6题：某公司希望检测四种类型类型轮胎A,B,C,D的寿命，如表 6.21所示。其中每种轮胎应用在随选择的6种汽车上，在显著性水平0.05下判断不同类型轮胎的寿命间是否存在显著性差异。 第一步分析 由于考虑的是一个控制变量对另一个控制变量的影响，而且是4种轮胎，所以不宜采用独立样本T 检验，应该采用单因素方差分析。 第二步数据的组织 从实验材料中直接导入数据。 第三步方差相等的齐性检验 由于方差分析的前提是各水平下的总体服从方差相等的正态分布，而且各组的方差具有齐性，其中正态分 布的要求并不是非常严格，但是对于方差相等的要求还是比较严格的，因此必须对方差相等的前提进行检 验。选择菜单“分析”—均值比较—单因素ANOVA。
试验一土的颗粒分析试验 （一）、试验目的 颗粒分析试验是测定干土中各种粒组所占该土总质量的百分数，借以明确颗粒大小分布情况，供土的分类与概略判断土的工程性质及选料之用。 （二）试验方法与适用范围 1、筛析法：适用于粒径大于0.075mm的土。 2、密度计法：适用于粒径小于0.075mm的土。 3、移液管法：适用于粒径小于0.075mm的土。 4、若土中粗细兼有，则联合使用筛析法及密度计法或移液管法。 （三）、筛分法实验 1、仪器设备： （1）符合GB6003——85的要求的试验筛。粗筛：圆孔，孔径为60mm、40mm、20mm、10mm、5mm、2mm；细筛：孔径为2.0、1.0、0.5、0.25、0.1、0.075mm。 （2）、天平：称量1000g与称量200g。 （3）、台秤：称量5kg.。 （4）、振筛机：应符合GB9909——88的技术条件。 （5）、其他：烘箱、研钵、瓷盘、毛刷、木碾等。 2、操作步骤（无粘性土的筛分法） （1）从风干、松散的土样中，用四分法按下列规定取出代表性试样： ①粒径小于2mm颗粒的土取100g——300g ②最大粒径小于10mm的土取300g——1000g ③最大粒径小于20mm的土取1000g——2000g ④最大粒径小于40mm的土取2000g——4000g ⑤最大粒径小于60mm的土取4000g以上。 称量准确至0.1g；当试样质量多于500g时，准确至1g。 （2）将试样过2mm细筛，分别称出筛上和筛下土质量。 （3）取2mm筛上试样倒入依次叠好的粗筛的最上层筛中；取2mm筛下试样倒入依次叠好的最上层筛中，进行筛析。细筛宜放在振筛机上震摇，震摇时间一般为10——15min。 （3）由最大孔径筛开始，顺序将各筛取下，在白纸上用手轻叩摇晃，如仍有土粒漏下，应继续轻叩摇晃，至无土粒漏下为止。漏下的土粒应全部放入下级筛内。并将留在各筛上的试样分别称量，准确至0.1g。 （4）各细筛上及底盘内土质量总和与筛前所取2mm筛下土质量之差不得大于1%；各粗筛上及2mm 筛下的土质量总和与试样质量之差不得大于1%。 注：若2mm筛下的土，小于试样总质量的10%，则可省略细筛筛析；若2mm筛上的土，小于试样总
课程论文 题目统计学实验 学院数学与统计学院 专业金融数学 班级14金融数学 学生姓名罗星蔓 指导教师胡桂华 职称教授 2016 年 6 月21 日
相关与回归分析实验报告 一、实验目的：用EXCEL进行相关分析和回归分析. 二、实验内容： 1.用EXCEL进行相关分析. 2.用EXCEL进行回归分析. 三、实验步骤 采用下面的例子进行相关分析和回归分析. 相关分析： 数学分数（x）统计学分数(y) 数学分数（x） 1 统计学分数(y) 0.986011 1 回归分析： SUMMARY OUTPUT 回归统计 Multiple R 0.986011 R Square 0.972217 Adjusted R 0.968744 Square 标准误差 2.403141 观测值 x 方差分 析
df SS MS F Significance F 回归分析1 1616.69 9 1616.69 9 279.943 8 1.65E-07 残差8 46.2006 9 5.77508 6 总计9 1662.9 Coefficie nts 标准误 差 t Stat P-valu e Lower 95% Upper 95% 下限 95.0% 上限 95.0% Intercept 12.32018 4.2862 79 2.8743 3 0.0206 91 2.4360 05 22.204 36 2.4360 05 22.204 36 数学分数（x）0.896821 0.0536 01 16.731 52 1.65E- 07 0.7732 18 1.0204 24 0.7732 18 1.0204 24 RESIDUAL OUTPUT 观测值预测统计学分数 (y) 残差标准残差 1 84.06587 0.934133 0.412293 2 93.03408 -1.03408 -0.4564 3 66.12945 3.87055 4 1.708324 4 93.03408 -3.03408 -1.33913 5 82.27223 0.727775 0.321214 6 90.34361 -0.34361 -0.15166 7 93.03408 0.965922 0.426323 8 52.67713 -2.67713 -1.18159 9 90.34361 2.656385 1.172433 10 84.06587 -2.06587 -0.9118 PROBABILITY OUTPUT 百分比排 位统计学分数 (y) 5 50 15 70 25 82 35 83 45 85 55 90 65 90 75 92
相关与回归分析实验报告
学 2014106146 号： 课程论文 题目统计学实验 学院数学与统计学院 专业金融数学 班级14金融数学 学生姓名罗星蔓 指导教师胡桂华 职称教授 2016 年 6 月21 日
相关与回归分析实验报告 一、实验目的：用EXCEL进行相关分析和回归 分析. 二、实验内容： 1.用EXCEL进行相关分析. 2.用EXCEL进行回归分析. 三、实验步骤 采用下面的例子进行相关分析和回归分析. 学生数学分数（x）统计学分数 (y) 1 2 3 4 5 6 7 8 9 10 80 90 60 90 78 87 90 45 87 80 85 92 70 90 83 90 94 50 93 82
相关分析： 数学分数（x）统计学分数(y) 数学分数（x） 1 统计学分数(y) 0.986011 1 回归分析： SUMMARY OUTPUT 回归统计 Multiple R 0.98601 1 R Square 0.97221 7 Adjusted R Square 0.96874 4 标准误差2.40314 1 观测值 x 方差分 析 df SS MS F Significanc e F 回归分析1 1616.69 9 1616.69 9 279.943 8 1.65E-07 残差8 46.2006 9 5.77508 6 总计9 1662.9 Coeffici ents 标准误 差 t Stat P-valu e Lower 95% Upper 95% 下限 95.0% 上限 95.0%
Intercept 12.32018 4.2862 79 2.8743 3 0.0206 91 2.4360 05 22.204 36 2.4360 05 22.204 36 数学分数（x）0.896821 0.0536 01 16.731 52 1.65E- 07 0.7732 18 1.0204 24 0.7732 18 1.0204 24 RESIDUAL OUTPUT 观测值预测统计学分数 (y) 残差 标准残 差 1 84.06587 0.93413 3 0.41229 3 2 93.03408 -1.0340 8 -0.4564 3 66.12945 3.87055 4 1.70832 4 4 93.03408 -3.0340 8 -1.3391 3 5 82.27223 0.72777 5 0.32121 4 6 90.34361 -0.3436 1 -0.1516 6 7 93.03408 0.96592 2 0.42632 3 8 52.67713 -2.6771 3 -1.1815 9 9 90.34361 2.65638 5 1.17243 3 10 84.06587 -2.0658 7 -0.9118 PROBABILITY OUTPUT 百分比排 位统计学分数 (y) 5 50 15 70 25 82 35 83
本科教学实验报告 （实验）课程名称：数据分析技术系列实验
实验报告 学生姓名： 一、实验室名称： 二、实验项目名称：相关分析 三、实验原理 相关关系是不完全确定的随机关系。在相关关系的情况下，当一个或几个相互联系的变量取一定值得时候，与之相应的另一变量的值虽然不确定，但它仍然按照某种规律在一定的范围内变化。 按照数据度量的尺度不同，相关分析的方法也不同，连续变量之间的相关性常用Pearson简单相关系数测定；定序变量的相关系数常用Spearman秩相关系数和Kendall 秩相关系数测定；定类变量的相关分析要使用列连表分析法。 四、实验目的 理解相关分析的基本原理，掌握在SPSS软件中相关分析的主要参数设置及其含义，掌握SPSS软件分析结果的含义及其分析。 五、实验内容及步骤 实验内容：以雇员表为例，共有474条数据，运用相关分析方法对变量间的相关关系进行分析。 1）分析性别与工资之间是否存在相关关系。 2）分析教育程度与工资之间是否存在相关关系。 实验要求：掌握相关分析方法的计算思路及其在SPSS环境下的操作方法，掌握输出结果的解释。 1.分析性别与工资之间是否存在相关关系。 分析：性别属于定类变量，是离散值，因使用卡方检验。 Step1.操作为Analyze\DescriptiveStatistics\Crosstabs Step2.将性别（Gender）和收入（CurrentSalary）分别移入Rows列表框和Columns 列表框。
Step3.单击Statistics按钮，在弹出的子对话框中选中默认的Chi-square，进行卡方检验。退回到主对话框，单击ok。 2.分析教育程度与工资之间是否存在相关关系。 分析：教育程度为定序变量，工资为连续变量，可使用Spearman和Kendall秩相关系数检验。 Step1.用散点图初步判断二变量的相关性，操作为Graphs/LegacyDialogs/Scatter,选择SimpleScatter，教育程度为自变量，工资为因变量，做散点图。 散点图结果如图示，二者存在线性相关关系。只有线性相关的关系确定后才能继续进行下一步分析。因此,在进行相关分析之前的预分析过程也是十分重要的。 Step2.两变量相关分析，操作为Analyze/Correlate/Bivariate，选择Kendall和Spearman 相关系数。 六、实验器材（设备、元器件）： 计算机、打印机、硒鼓、碳粉、纸张 七、实验数据及结果分析 1.分析性别与工资之间是否存在相关关系。 卡方检验结果为 显着性水平为，即至少有%的把握认为性别和工资之间存在显着的相关系。
实验五相关分析实验报关费 一、实验目的： 学习利用spss对数据进行相关分析(积差相关、肯德尔等级相关)、偏相关分析。利用交叉表进行相关分析。 二、实验内容： 某班学生成绩表1如实验图表所示。 1.对该班物理成绩与数学成绩之间进行积差相关分析和肯德尔等级相关 分析。 2.在控制物理成绩不变的条件下，做数学成绩与英语成绩的相关分析（这 种情况下的相关分析称为偏相关分析）。 3.对该班物理成绩与数学成绩制作交叉表及进行其中的相关分析。 三、实验步骤： 1.选择分析→相关→双变量，弹出窗口，在对话框的变量列表中选变量 “数学成绩”、“物理成绩”，在相关系数列进行选择，本次实验选择 皮尔逊相关（积差相关）和肯德尔等级相关。单击选项，对描述统计 量进行选择，选择标准差和均值。单击确定，得出输出结果，对结果 进行分析解释。 2.选择分析→相关→偏相关，弹出窗口，在对话框的变量列表选变量“数 学成绩”、“英语成绩”，在控制列表选择要控制的变量“物理成绩” 以在控制物理成绩的影响下对变量数学成绩与英语成绩进行偏相关分 析；在“显著性检验”框中选双侧检验，单击确定，得出输出结果， 对结果进行分析解释。 3.选择分析→描述统计→交叉表，弹出窗口，对交叉表的行和列进行选 择，行选择为数学成绩，列选择为物理成绩。然后对统计量进行设置， 选择相关性，点击继续→确定，得出输出结果，对结果进行分析解释。 四、实验结果与分析：
表1
五、实验结果及其分析：
分析一：由实验结果可观察出，数学成绩与物理成绩的积差相关系数r=，肯德尔等级相关系数r=可知该班物理成绩和数学成绩之间存在显著相关。
土的颗粒分析试验 土的颗粒分析试验筛析法第一节 一、试验目的测定小于某粒径的颗粒或粒组占砂土质量并作为砂土的百分数，以便了
解土的粒度成分，分类及土工建筑选料的依据。二、基本原理筛析法是利用一套孔径不同的标准筛来分而后称离一定量的砂 土中与筛孔径相应的粒组，确定砂土的粒度成量，计算各粒组的相对含量，0.075mm 的粒组。分。此法适用于分离粒径大于三、仪器设备)；1-11、标准筛一套(图；，最小分度值0.1g2、普通天平：称量500g 、磁钵及橡皮头研棒；3 、毛刷、白纸、尺等。 4 顶盖2
1 2mm 1mm 0.5mm 0.25mm 0.1mm 4 取走3 0.075mm 底盘取走四分法图解1图－2 图1－标准筛1四、操作步骤、制备 土样1在空气中1) 风干土样，将土样摊成 薄层，(则使土中水分蒸发。～放12天, 若土样已干，可直接使用。可将试样倒入磁 钵2) 若试样中有结块时，(使结块成为单独颗粒为用橡皮头研棒研磨，中，止。但须注意，研磨力度要合适，不能把颗粒研碎。2 (3) 从准备好的土样中取代表性试样，数量如下：最大粒径小于2mm者，取100～300g；最大粒径为2～10mm之间的，取300～1000g；最大粒径为10～20mm之间的，取
1000～2000g；最大粒径为20～40mm之间的，取2000～4000g；最大粒径大于40mm 者，取4000g以上。用四分法来选取试样，方法如下：将土样拌匀，倒在纸上成圆锥形(图1-2.1), 然后用尺以圆锥顶点为中心，向一定方向旋转(图1-2.2), 使圆锥成为1～2cm厚的圆饼状。继而用尺划两条相互垂直的直线，把土样分成四等份，取走相同的两份(图1-2.3、图1-2.4), 将留下的两份土样拌匀；重复上述步骤，直到剩下的土样约等于需要量为止。2、过筛及称量 (1) 用普通天平称取一定量的试样, 准确至0.1g； (2) 检查标准筛叠放顺序是否正确(大孔径在上，小孔径在下)，筛孔是否干净，若夹有土粒，需刷净。将已称量的试样倒入顶层筛盘中，盖好盖，用手或摇筛机摇振，持续时间一般为10～15min, 然后按从上至下的顺序取下筛盘，在白纸上用手轻叩筛盘，摇晃，直到筛净为止。将漏在白纸上的土粒倒入下一层筛盘内，按此顺序，直到最末一层筛盘筛净为止。 (3) 称量留在各筛盘上的土粒质量，准确至0.1g, 并测量试样中最大
第一次试验报告 习题1.3 1建立数据集，定义变量并输入数据并保存。 2数据的描述，包括求均值、方差、中位数等统计量。 分析—描述统计—频率，选择如下： 输出： 3画直方图，茎叶图，QQ 图。（全国居民） 分析—描述统计—探索，选择如下： 输出： 全国居民 Stem-and-Leaf Plot Frequency Stem & Leaf 5.00 0 . 56788 2.00 1 . 03 数据分析实验报告 【最新资料，WORD 文档，可编辑修改】
1.00 1 . 7 1.00 2 . 3 3.00 2 . 689 1.00 3 . 1 Stem width: 1000 Each leaf: 1 case(s) 分析—描述统计—QQ图，选择如下： 输出： 习题1.1 4数据正态性的检验：K—S检验，W检验 数据： 取显着性水平为0.05 分析—描述统计—探索，选择如下： （1）K—S检验 单样本 Kolmogorov-Smirnov 检验 身高 N 60 正态参数a,,b均值139.00 标准差7.064 最极端差别绝对值.089 正.045 负-.089 Kolmogorov-Smirnov Z .686 渐近显着性(双侧) .735 a. 检验分布为正态分布。 b. 根据数据计算得到。 结果：p=0.735 大于0.05 接受原假设，即数据来自正太总体。（2）W检验 正态性检验
结果：在Shapiro-Wilk 检验结果972.00=w ，p=0.174大于0.05 接受原假设，即数据来自正太总体。 习题1.5 5多维正态数据的统计量 均值向量为：)767.33,505.4,836.27,219.18(=- X
实验五相关分析实验报关费 一、实验目得: 学习利用s pss对数据进行相关分析（积差相关、肯德尔等级相关）、偏相关分析。利用交叉表进行相关分析。 二、实验内容: 某班学生成绩表 1 如实验图表所示。 1.对该班物理成绩与数学成绩之间进行积差相关分析与肯德尔等级相关分 析. 2.在控制物理成绩不变得条件下，做数学成绩与英语成绩得相关分析（这 种情况下得相关分析称为偏相关分析）。 3.对该班物理成绩与数学成绩制作交叉表及进行其中得相关分析。 三、实验步骤： 1.选择分析—相关—双变量，弹出窗口，在对话框得变量列表中选变量 “数学成绩"、“物理成绩” ,在相关系数列进行选择，本次实验选择 皮尔逊相关（积差相关）与肯德尔等级相关。单击选项，对描述统计 量进行选择,选择标准差与均值.单击确定,得出输出结果,对结果进 行分析解释。 2.选择分析一相关一偏相关，弹出窗口，在对话框得变量列表选变量数学 成绩”、“英语成绩”,在控制列表选择要控制得变量“物理成绩”以 在控制物理成绩得影响下对变量数学成绩与英语成绩进行偏相关分析； 在“显著性检验”框中选双侧检验,单击确定，得出输出结果,对结果 进行分析解释． 3.选择分析一描述统计-交叉表，弹出窗口,对交叉表得行与列进行选 择，行选择为数学成绩，列选择为物理成绩.然后对统计量进行设置, 选择相关性,点击继续-确定,得出输出结果，对结果进行分析解释。 四、实验结果与分析:
囲戏变量相关0 变旻(Y)： 歹物理戍悄 相关浆勤 0 Pearson 叼兰endsll 的tau-b(K) J Spearman 叼标记SL苦性徇关(E) I ?―I粘址妃)][賞Jt? ][ ■備~ [ 鹽 ,丘示渎际說曹性水半(D 确定 ]|殆贴(E) H St賣(B)][ 取禱选顶(2)… 农孝号 /其 语威纽 显著性检验 双侧檢勉I) 单侧檢验(D 选他…]
颗粒分析试验 一、试验范围 掌握土颗分和相对密度实验操作方法，实验数据分析与整理，利用试验数据判断土的组成，级配性质。 技术标准 土工试验规程 JTG E40-2007 土工试验方法标准 GB/T50123-1999 二、试验原理： （一）、筛析法颗粒分析试验原理： 对应于粒径大于0.075mm 的粗粒土，一般用筛析法分析土颗粒大小。筛析法是采用不同孔径的分析筛，由上至下孔径自大到小叠在一起。通过筛析后，得到不同孔径筛上土质量，进而计算出粒组含量和累积含量。 （二）、比重计法颗粒分析试验原理： 对应于粒径小于0.075mm 的细粒土，采用比重计法。小球体在水中下沉时满足：①小球体在水中沉降的速度是恒定的；②小球体沉降速率与球体直径d 的平方成正比。比重计法正是利用这一原理来进行颗粒分析的。 密度计是测定液体密度的仪器。它的主体是个玻璃浮泡，浮泡下端有固定的重物，使密度计能直立地浮于液体中；浮泡上为细长的刻度杆，其上有刻度数和读数。目前，使用的有甲种密度计和乙各密度计两种型号，本试验采用甲种密度计。甲种密度计刻度杆上的刻度单位表示20℃时每1000cm 3悬液内所含土粒的质量。由于受实验室多种因素的影响，若悬液温度不是20℃时悬液的密度（或土粒质量），必须将初读数经温度校正；此外，还需进行弯液面校正、刻度校正、分散剂校正。 本试验采用斯托可斯公式来求土粒在静水中沉降速度；密度计法是通过测定土粒直沉降 速度后求相应的土粒直径，如下式所示：t L G G d wTg wT s ?-??=ρη)(1018004。各符号见操作步骤中说明。 已知密度的均匀悬液在静置过程中，由于不同粒径土粒的下沉速度不同，粗、细颗粒发生分异现象。随粗颗粒不断沉至容器底部，悬液密度逐渐减小。密度计在悬液中之沉浮决定于悬液之密度变化。密度大时浮得高，读数大；密度小时浮得低，读数小。若悬液静置一定时间t 后，将密度计放入盛有悬液的量筒中，可根据密度计刻度杆与液面指示的读数测得某
电子科技大学政治与公共管理学院本科教学实验报告 （实验）课程名称：数据分析技术系列实验 电子科技大学教务处制表
电子科技大学 实验报告 学生姓名：刘晨飞学号：2013120101027 指导教师：高天鹏 一、实验室名称：电子政务可视化实验室 二、实验项目名称：因子分析 三、实验原理 使用SPSS软件的因子分析对数据样本进行分析 相关分析的原理： 步骤一：将原始数据标准化。 因子分析的第一步是主成分分析，将总量较多的因素通过线性组合的方式组合成几个因素，且这些因素之间相互独立。 步骤二：建立变量的相关系数矩阵R Analyse->Dimention Ruduction-> Fctor ->Extraction->勾选Correlation matrix可以输出相关系数矩阵，相关系数矩阵计算了变量之间两两的pearson相关系数。 步骤三：适用性检验 使用Bartlett球形检验或者KMO球形检验来检验样本是否适合进行因子分析。 评价标准： KMO检验用于检验变量间的偏相关系数是否过小，一般情况下，当KMO大于0.9时效果最佳，小于0.5时不适宜做因子分析。 Bartlett球形检验用于检验相关系数矩阵是否是单位阵，如果结论是不拒绝该假设，则表示各个变量都是各自独立的。 步骤四：根据因子贡献率选取因子，特征值和特征向量构建因子载荷矩阵A。 处于简化和抽取核心的思想，一般会按照某种标准选取前几个对观测结果影响较大的因素构建因子载荷矩阵，一般的标准是选取特征根大于1的因子。并要求累积贡献率达到90%以上。 步骤五：对A进行因子旋转
因子旋转的目的是使因子载荷矩阵的结构发生变化，使每个变量仅在一个因子上有较大载荷。是将因子矩阵在一个空间里投影，使单个向量的投影在仅在一个变量的方向有较大的值，这样做可以简化分析。 步骤六：计算因子得分： 计算因子得分是计算在不同样本水平下观测指标的水平的方式。计算因子得分需要用到因子得分计算函数，这个计算的结果是无量纲的，仅表示各因子在这个水平下观测指标的值，这也是因子分析的目标，将不可观测的目标观测量用一个函数与可以观测的变量联系起来。 四、实验目的 理解因子分析的含义，以及数学原理，掌握使用spss进行因子分析的方法，并能对spss 因子分析产生的输出结果进行分析。 五、实验内容及步骤 本次实验包含两个例子： 实验步骤： (0) 问题描述 实验一题目要求：对我国主要城市的市政基础设施情况进行因子分析。 实验二题目要求：主要城市日照数sav为例,其中的变量包括城市的名称“city”、各个月份的日照数 (1)实验二步骤：执行analyze->dimention reduction->factor->rotation如下勾选
空间统计分析实验报告 一、空间点格局的识别 1、平均最邻近分析 平均最邻近距离指点间最邻近距离均值。该分析方法通过比较计算最邻近点对的平均距离与随机分布模式中最邻近点对的平均距离，来判断其空间格局，分析结果如图1所示。 图1 平均最邻近分析结果图最邻近比率小于1，聚集分布，Z值为-7.007176，P值为0，即这种情况是随机分布的概率为0
计算结果共有5个参数，平均观测距离，预期平均距离，最邻近比率，Z 得分，P值。 P值就是概率值，它表示观测到的空间模式是由某随机过程创建而成的概率，P 值越小，也就是观测到的空间模式是随机空间模式的可能性越小，也就是我们越可以拒绝开始的零假设。最邻近比率值表示要素是否有聚集分布的趋势，对于趋势如何，要根据Z值和P值来判断。 本实验中的最邻近比率小于1 ，聚集分布，Z值为-7.007176，P值为0，即这种情况是随机分布的概率为0，该结果说明省详细居民点的分布是聚集分布的，不存在随机分布。 2、多距离空间聚类分析 基于Ripley's K 函数的多距离空间聚类分析工具是另外一种分析事件点数据的空间模式的方法。该方法不同于此工具集中其他方法（空间自相关和热点分析）的特征是可汇总一定距离围的空间相关性（要素聚类或要素扩散）。 本实验中第一次将距离段数设为10，距离增量设为1，第二次将距离段数设为5，距离增量同样为1，得到如图2和图3所示的结果。 从图中可以看出，小于3千米的距离，观测值大于预测值，居民点聚集，大于3千米，观测值小于预测值，居民点离散。且聚集具有统计意义上的聚集，离散并未具有统计意义上的显著性。 图2 K函数聚类分析结果1
相关与回归分析实验报告记录
————————————————————————————————作者：————————————————————————————————日期：
学号：2014106146 课程论文 题目统计学实验 学院数学与统计学院 专业金融数学 班级14金融数学 学生姓名罗星蔓 指导教师胡桂华 职称教授 2016 年 6 月21 日
相关与回归分析实验报告 一、实验目的：用EXCEL进行相关分析和回归分析. 二、实验内容： 1.用EXCEL进行相关分析. 2.用EXCEL进行回归分析. 三、实验步骤 采用下面的例子进行相关分析和回归分析. 学生数学分数（x）统计学分数(y) 1 2 3 4 5 6 7 8 9 10 80 90 60 90 78 87 90 45 87 80 85 92 70 90 83 90 94 50 93 82 相关分析： 数学分数（x）统计学分数(y) 数学分数（x） 1 统计学分数(y) 0.986011 1 回归分析： SUMMARY OUTPUT 回归统计 Multiple R 0.986011 R Square 0.972217 Adjusted R Square 0.968744 标准误差 2.403141 观测值 x 方差分 析
df SS MS F Significance F 回归分析1 1616.69 9 1616.69 9 279.943 8 1.65E-07 残差8 46.2006 9 5.77508 6 总计9 1662.9 Coefficie nts 标准误 差 t Stat P-valu e Lower 95% Upper 95% 下限 95.0% 上限 95.0% Intercept 12.32018 4.2862 79 2.8743 3 0.0206 91 2.4360 05 22.204 36 2.4360 05 22.204 36 数学分数（x）0.896821 0.0536 01 16.731 52 1.65E- 07 0.7732 18 1.0204 24 0.7732 18 1.0204 24 RESIDUAL OUTPUT 观测值预测统计学分数 (y) 残差标准残差 1 84.06587 0.934133 0.412293 2 93.03408 -1.03408 -0.4564 3 66.12945 3.87055 4 1.708324 4 93.03408 -3.03408 -1.33913 5 82.27223 0.727775 0.321214 6 90.34361 -0.34361 -0.15166 7 93.03408 0.965922 0.426323 8 52.67713 -2.67713 -1.18159 9 90.34361 2.656385 1.172433 10 84.06587 -2.06587 -0.9118 PROBABILITY OUTPUT 百分比排 位统计学分数 (y) 5 50 15 70 25 82 35 83 45 85 55 90 65 90 75 92