SAM指导说明
指导说明 有主模块即件、数据、结构、造型每模块都有几子模和常规并有详细“助”菜单使用候很方便。
逐步变得非常强次介绍完整地探讨其功能是非常困难因选择了我们认非常重要和有用某些操作练习。
数据准备 使用前输入件很重要通常由XL生成其他格式数据也可以。
很多统计软件变量是有序排列。
行包含了件每变量名称。
但因软件是空分析软件数据件必须包含两地理坐标变量以便计算空统计。
如两坐标命名“纬”和“”那么将把变量理和纬角如05表示0°30′。
把变量定义纬和所有距离计算将是测地距离这将涉及到地球表面曲率这种方法较空分析非常重要。
如使用平面二维体系如欧几里得（l）、任标尺（议定标）就可以使用其他名表示任空坐标如“X x” “ x”, r“Vr x” “rz x”如是这种表示方式将以欧几里得（l）距离基础运算两地距离是直线长。
当然也可以软件改变这种设置( l g)。
不论数据设置成何种格式所有程序都将作系统默认值使用。
数据集 不论何种格式数据都不能有缺失值或数式变量。
演示操作数据集是关南美洲陆二维坐标系无地图投影。
这数据集包括物种丰富（）所有鸟类（）雀形目（3）非雀形目（）蝰蛇科蛇。
每物种地理分布重新划分。
练习 菜单件 菜单包括打开、合并、保存和导出数据件所有类型和格式数据。
数据有和xl两种类型两种类型数据件包括相数据只是不格式每格式数据都有具体格式规则。
打开数据集有多种方法。
简单方法是使用菜单键l l或双击灰色区域然打开件。
打开数据件会出现“ g”窗口。
这是应当熟悉重要窗口。
右侧上面可以选择“ggr r vrbl”所有分析预设这些变量。
通系统默认程序将命名“L”和“Lg”变量或以“X”和“”开头变量。
窗口下面可以核对件名、地理坐标系（如平面二维）、变量数量和例数量。
可以表明当前上传数据与件数据是相以“v”表明如增加或变化数据将变成“v”。
菜单数据 数据操作和可视化 练习03——目是学习如何创造连贯矩阵熟悉所有连贯标准数据。
菜单 lg可以把数据形象化( rx rx)进行变量数学换( rx rr)。
非常重要是菜单 lg vrx r v rx可以探创新不可能性应用不标准单元格编辑连接关系。
单击“v rr”选项然选择“Gbrl rr”。
Gbrl连通性将显现出和连接统计样。
当前命名“ v rx”框将变连接组合（ ）名。
这是非常便利工具。
使用这模块并单击“ rr”设置距离限制条件0—然右侧图表连接组合将发生变化。
垂直和水平位置连接不连接标准被认“Rk”和棋类游戏样而水平、垂直和对角线连接被认“Q”。
另便利工具是使用鼠标放地图以便仔细观察连接结构（击图表并拖住鼠标光标到右下角位置激活放功能击并拖住鼠标到左下角位置便可恢复到前图形。
通归类连接可以变化连接标准或通变化连接单元格数量改变连接组合。
当抽样有地理关系特殊假设这工具是非常有用。
击选项“ v rx”就可以做到这。
如有兴趣可以探。
练习0——目是探性分析了有效图表特散图和地图。
击菜单 Gr 是散图和地图便利工具。
图表可以直接地拟合线性和多项式回归也可以通使用“近” （“r ”）选项核对每观察报告准确性（可能是异常值或杠杆效率）。
要说明是图形不设计高品质图形而是模式直接探。
Gr r l Gr rx 练习05——目练习主成分分析释变量降低线性。
下面模块是 R ()。
这模块执行是主成分分析（）允许形象化并释这分析结包括绘图主要成分比分。
击计算（）按钮将会看到结窗口。
窗口右下角会看到“v”按钮。
通击这按钮可以保存比分进步分析将会把这些结添加到数据。
“v”选项多数模块功能是相也就是说可以保存空单位有结构任何分析结如空滤波器、模型残差等等。
旦击“v”就是电脑R记忆临储存了这些新变量如要件永久保存这些数据应使用菜单l v。
也可以保存模块所有其他数据显示通编辑器复制[g (RL+)]和[粘贴g (RL+V)]。
结能够到以下结非常重要 ）哪些轴线是重要通分析碎石图和brkk标准和荷（lg）样； ）基荷量分析每轴线重要变量； 3）比分地图； “ll rl”标签件夹除了特征值（窗口左下角）还可以看到荷量（每成分每变量贡献）。
通比较变异释比例（二列）与由brkk所期望比例（列）可以使用brkk标准选择哪轴线是“重要”或“显著”。
可以发现二轴线分比（08）brkk期望比（057）因根据这标准次比较就可以实现。
也可以使用其他标准如选择0特征值（是绝对值不是相对值）如是这种选择两种选择标准将会得到相结（因二特征值是090）。
检验荷量会发现所有变量与成分显著相关（如“”荷量是09）除了“Rlv”（与成分相关）。
要是根据两启发式判断标准尽管轴线有定义但“Rlv”二轴线上有很高荷量。
实际上这将根据三标准选择重要轴线。
这练习可以保存这初两条轴线以便将分析这两条轴线分别释“气候”和“海拔”。
通选择图结可以使这些结形象化rrl Bl表明每轴线哪变量是“重要”（这支持二轴线重要结论）。
黄色圆圈被称“平衡圈”（“qlbr rl”）表明进步变量这圆这变量更重要（圆任何变量都将不“显著”； ）。
碎石图也可看到brkk选择。
也可以检验每得分图示（窗口左下角击两箭头以改变得分）和地图空相关图。
菜单结构 菜单包含探数据空形态几分模块包括空相关图、表面趋势、筛选、聚类和边界轮廓。
必须确保熟悉每模块所有选择项如改变距离级别数量如何确定距离级别“ g g r”选项可以使用蒙特卡洛法（ rl ）到r’ 显著性（这有助分析回归残差；但是非常耗费——目前只是尝试30随机选择）。
r’ 标签件夹可以发现以下结 这窗口可以发现以下结含义 相关图包括以下几列（）距离等级（）每距离等级每对选样数量（3）每距离等级上限（距离单位）（）r’ 指标（5）r’ 标准误差（6）r’ vl（7）r’ 值（8）被r’ 值分割r’。
相关图理 主要结显示(blr “r’ ”)表明了r’ 和相关图。
距离等级r’ 等069±003（ 00）通比较0至36单位距离（既然使用了任坐标制体系这距离指是格单元单位）单元格使用5558连接计算得到这结。
与这连接结构致r’ 值是0788因r’ 相对值是0876。
示例数据可以看到清晰全体相关结构因局部r’ 可以释“杠杆”统计数值（“lvrg” ）以表明释总体型式每单元格重要性。
通尝试不方法拟合选择性模型和释特征统计也可探半方差函数子模块。
推断释围和重要参数。
lg l rgr Grlz Lqr模块运行GL再讨论这结比较。
使用练习03产生并保持连接矩阵（Gbrl ）并改变单元格确定空关系方法把地理距离改变连接矩阵（使用选项“ vlbl v rx”然选择者所要连接矩阵）运行r’ 分析。
当通前保持连接标准替换坐标单r’ 将被计算出并得出加布里埃尔标准（Gbrl rr）连接组合087系数和距离标准（ rr）0838系数。
练习08——目是使用基空频率滤波器特征向量（反应）变量移除空趋势。
空格局滤波器发生变化通常随着与滤波器相系特征值变格局变得越越少。
菜单rr l lrg gvrB使用居连接矩阵特征向量可以滤变量。
当使用地理坐标计算每对取样距离要设置截断距离（按钮有可以助做到这）。
示例选择“l Br R”作反应变量（有助诊断）使用5截断距离。
击“计算”按钮将会得到分析结。
“ Rl”标签件夹将会看到滤波器列表（远0特征值）特征值每滤波器距离等级r’ 反应变量与每滤波器确定系数确定系数值。
要是窗口底端图形不是相关图但它划分了距离等级（如短距离、短比例）r’ 而不是滤波器数量显示了滤波器没有空格局。
“lr Rl”标签件夹可以看到每滤波器图示（使用底端箭头滚动所有滤波器）、相关图、与反应变量关系。
这是教学例子可以进步操作演示当每滤波器变如滤波器从5变到5空结构是如何发生改变。
lr # lr #5 lr #5 “lr l”标签件夹可以选择感兴趣滤波器以保存。
根据屏幕选择标准系统会默认选择滤波器但是仍可以根据所改变所要保存滤波器。
了完成具有指导性选择使用反应变量（示例是“l Br R”）（多重）回归结而不是选择空频率滤波器。
要是如改变了滤波器选择设置图表显示回归结相关图将动态地更新。
例如使用初5滤波器将会得到088平方相关但是短距离仍存显著（接近05）r’ 残差相关。
如将选择滤波器数量增加到0将会使R增加到0557但是残差相关仍存。
如初要0滤波器以剔除这结将会得到R值077。
但是下屏幕图示仍可看到安斯山脉（）附近某些局部结构。
保存这初0滤波器以便进步分析要记住是“终”模型程可以将环境预报器与这些滤波器起使用。
这是技巧性方法将面继续讨论…… 标签件夹(“”)可以反应变量、回归残差等比较空格局。
练习09——目是执行组变量聚类分析使用K运算法则空由与空约束。
K聚类分析是种迭代法每组（示例称“lr”）到能够化平方和总误差（l rrr qr）组单元。
因对这方法没有分析法所以计算法则可能性量以优化方案。
运算法则开始每群集分派单元然寻能够拟合每群集相似单元。
当所有单元已分派给各群集下步就是从身群集到另群集反复移动单元以检验是否所有化以及每群集单元相似性化。
也可以使用选项“x br r”限定运算法则长短（迭代次数数量）以改进聚类分析。
另选项是如何选择成熟单元。
“rl Brk”选项根据变量排列单元格然排列等距地挑选单元格。
“R”选项能够猜测到做什么“r ”选项可以规定每群集成熟。
目前关聚类单元格没有任何“空”。
但是如有连接矩阵（练习3生成矩阵）就可以空地驱使每单元格连接到其属群组。
每单群集所有单元格将由所规定连接设计所连接。
如规定连接设计只是连接紧密距离相邻那么其所分析所有群集空将变成连续性。
但是如旦强加限制以优化群集与无限制聚类分析相比这样得出群集将有更异质性。
“lr g”标签件夹可以选择聚类分析变量以及群集数量（7）。
群集“ ”可以权衡群集运算法则聚合相似单元格差程“ ”可以表明哪群集更多或更少相似平水平。
示例“Grl Rl”标签可以看到物种丰富聚类图示。
这是无限制图示因群集空是不连续。
选择“ll r”选项增加群集总和因这是问题较优。
但是这有利发现空相似区域。
终观察结是每群集所使用不颜色。
3、建模 简单和多重回归（L）模型与校正由相关分析或无校正由相关分析回归模型和地理加权回归（GR）不格式。
练习0——目是计算皮尔孙（r）相关系数使用“正确”数量由检验其显著性这将考虑到两变量空相关。
使用两不估计量以发现由(lll lr)正确数量然计算两变量皮尔孙相关。
如定义了两空坐标（系统默认选择）那么只能允许选择两变量但是如忽略空维数（通其地理坐标选择‘’）将可以形成相关矩阵但不考虑相关。
选择其（lr将更快……）。
示例选择“l Br R”和（按住RL键选择多重变量）两变量空相关图将显现出。
击计算然稍等…… 完成计算将会看到使用lll方法由从37降到706。
对较矩阵lll是快速而有效方法由可降到6835。
即使如两种情况下皮尔孙（r）相关系数（089）都是非常显著（ 000）。
如使用截断距离和lll方法仅使用相关图正性部分由387（可以更由些假定类错误问题仅是由短距离相关——长距离相关引起理空依赖性）。
lg Lr Rgr l (L)模块可以得到线性回归完整结包括确定系数值偏斜率（rl l）以及与其相关统计。
验证不预测变量如何降低残差相关水平（要是直接诊断和较评价如r’ 显著性检验残差模式rr l rrl r’ 模块完成前练习6讲）。
示例运行是丰富标准L模型而不是5环境预测变量得到如下分析结。
5环境变量释丰富83%变异（校正R系数8%）根据标准化回归系数（0689）重要预测变量是。
除了所有预测变量 00水平上显著（这结由残差相关存定偏差）。
下屏幕（rgr gr）可以看到标准残差诊断图形包括残差柱状图（看似非正态尖峰态——可以核对前屏幕显现g偏态值(k)和g峰态值(kr)圆柱残差分别等063和87）。
还可以看到与预测值相对观测绘图（可以核对线性）以及残差绘图（这里并没有所期望模式）。
令人关屏幕也是所期望是下屏幕可以探模型空格局尤其是模型残差（相关图绿色线条）。
距离等级有相对较高05r’ 这表明类误差是偏倚。
更加重要是短距离缺乏丰富释。
分析残差图示（屏幕）看下模型缺少了什么…… 练习——主要是学习如何操作偏回归。
还是这模型lg Lr Rgr l (L)选择“l rl Rgr”选项检验反应变量环境变量、空与共享变量变异是多少（更进步练习是手工计算这些变量重复基练习8保存空滤波器分析）。
屏幕击‘l rl Rgr’选择 rr r (X + + X + X + )。
屏幕将会看到模型R现是087即使包含了这些新空变量( rr r)仍是重要变量。
距离等级残差相关仅从05降到08因只是使用了幅趋势（brl r）。
但是值得是降低地估计残余方差（由相关）这标准将被“偏倚”倾向选择“长”模型（存有很多变量）。
屏幕显示偏回归结图。
但是部分释（673%）存交作用表明了空结构式环境变异。
8%变异得到释。
练习3——lg Lr Rgr l (L)模块运用基空滤波器（练习8保存）特征向量学习如何L回归应用这些滤波器构建空结构。
遵循“空滤波器”思想线性回归把练习8保存0空滤波器增加到释变量列表。
现R系数是多少呢？090和仍然是重要预测变量（环境变量效应释将比较复杂如已选择滤波器与任环境预测变量有着较强相关关系——这也是选择滤波器要仔细探讨原因）。
示例可以看到“雨季”效应不显著。
从练习已得到独立环境变量（称R)R系数0838练习80滤波器释了077（称R）。
环境变量与滤波器合效应（称R）090如就可以组合这些R做分区（r）。
空结构式环境变异bR+RR 因b0838+077090066。
计算独立环境变量效应就是从子成分减环境全部效应即083806607而“独立”空效应0770660063。
这些结与基前趋势曲面偏回归得到结相似。
将lg l rgr探讨3子模块。
练习将得到以下结 ——对R、R与延宕模型回归分析将得到回归系数这可以通程序或直接操作计算。
——对GL、R、R残余项与误差项有区别因空与模型相关分析结包含了相关图和地图（观测预测残差和误差）。
如使用GL残差将会出现较清晰图案因已把空结构移动到残差另方面误差必须是空独立。
——对GL、R、R将得到不R值（有助理它们不但释必须谨慎）。
lg l rgr Lgg l模块将会发现什么地方操作延宕模型（lgg l）这都基独立相关模型（r rgrv l）残差分析。
尽管窗口像L回归窗口但这是更加复杂熟悉模型。
首先从“r rgrv l”开始。
将会发现只允许选择反应变量因模型是“空描述” （“ll rv”）只能运算单变量（不是预测变量）。
“ll Rl” 标签件夹将会发现r和效标但估计新参数是回归系数对丰富说等0888±00。
类似L另屏幕是r’ 073因次回归模型仍除了短距离结构窗口将显示图示表明产生这些结原因。
重新回到“rgrv l g”标签选择‘lgg r’ 或‘lgg rr’模型可以重复这程只是合并了环境反应变量（vrl r）。
下lg l rgr Grlz Lqr (GL)模块可以看到所谓‘krggg rgr’ r ‘grlz krggg’。
这非常有助做出空模型。
再次丰富与5环境预测变量进行回归分析。
击计算（）按钮将会另屏幕看到L模型半方差图（vrgr）几模型与诊断窗口（g ）。
它们有助使用不参数不vrgr模型（球面、指数、线性等等）释变异共变异矩阵这矩阵是L残差定义空结构。
这模块非常有利理下面逻辑空回归。
球面模型0等800等800 9。
蓝色线描述模型。
0表示“主要”（gg）效应描述了线截距表明了半变异（vr）所期望值与截距不。
这窗口将得到所期望半变异（模型程所定义）与观测半变异L拟合指数模型r系数验证截距等0斜率等。
运用这些重要指数以及llgg和围球面模型r等089。
与检验相关值是09（对截距）与0876（对斜率）。
这里不显著结也是重要表明观测半方差图与验评估半方差图匹配相关系（两者回归截距区别0不显著而斜率区别不显著）。
这也许不是做可能模型（可以验证这模型……）但对继续面操作已非常了。
击“ GL”按钮将会得到标准回归结与前操作样。
重是从标准L也可以得到些结如比较结结初三方面包括R、标准。
这里问题是GL两不R这要释说明。
如GL（其它空模型也样）提供了R从佳匹配义上说仍然是有争议它们真正含义是什么。
将使用以下策略。
R由“xl b rr”定义示例等076是伪R值（R）。
这是通结合观测值与估计值所估计可运用斜率偏回归计算这值。
这值从L得到值这是因根据前定义半变异模型由预测变量释丰富部分变异被移到残差。
但是这并不是模型“全部” （vrll）释效应确切原因是增加了很多信息（如空结构）。
然通残余方差“比率”拟合完整模型与空结构式残差乔里斯基分（lk ）可以计算其它模型（可以击“助”得到这数学逻辑详细说明）。
‘残差’模型由不被预测变量释变异组成这是空结构非常显著原因（因生成半方差图增加了这模型）。
另方面‘误差’是误差无空结构式部分而且不应该有任何空模式。
事实上这些都是相关图产生（屏幕地图——由3变成了）。
重新回到分析结验证每预测变量效应与从L得到效应做比较。
根据标准斜率‘’也是重要预测变量。
比较空与非空方法表明了某些模型稳定性。
当模型使用空滤波器就会产生这些结“雨季”不显著但GL“”也是不显著。
现可以进行R和R（lg l rgr rgrv l (RR)模块）。
R和R基相GL程序唯不是不允许操作残差相关（例如根据屏幕所显示方程定义基操作开始计算相回归系数）。
例如R因“”和“雨季”（“R”）都不“显著”值接近005水平系数重要性类似GL系数。
距离等级误差也有相对较高相关（r’ ）距离等级等08这表明应建立较模型下面操作可以通尝试空误差结构不定义做到这。
练习5——目是学习“l”效应（R和R延宕模型得到）这可以填补空每对取样生成非线性关系（有关地理距离）。
选择相关模型（如R独立相关）探讨如何运用不l值（如0到30围）与空距离和连接性（回到练习3）不定义影响模型结。
如改变l0加权矩阵将被定义如相近将给予较多权重以生成模型。
回归系数将从0885（使用l）增加到097距离等级r’ 下降0。
有助这程操作从339下降97985表明了较模型拟合（高3差异表明了模型改善）。
再看l 3回归系数上升到096降低8688。
实际上l增加改善了模型拟合这趋势将延续。
实际应用通常认或3l已足够较地描述空结构。
如使用洛克（rk）连接（距离﹤）回归系数增加到099+0007残差r’ 003（这操作并没有相关图由直接使用了连接矩阵——也可以通保存残差并回到rr rrl r’ 模块得到想要结）。
回到R做相操作也可检验误差空结构改变如何影响预测变量斜率。
将会发现这些结整合了从GL前得到结尽管“”仍是罪重要预测变量（不是较高相对重要性）。
应用3l距离等级误差r’ 将从08下降到005。
如应用洛克（rk）连接（﹤）结是相滤波器其只有“雨季”（“ R”）不显著但非常重要是“”显著性幅减少。
当与L和筛选方法比较还是得到这结。
并不是常常如每模型关身假设方面应该慎重释比例效应和稳定性。
练习6——现学习如何操作地理权重回归（GR）将执行局部回归（格每单元格）。
GR是局部回归新兴方法这新模块可以（lg Ggrll g Rgr）操作。
如运行每单元格回归分析是合理考虑到周围单元格只是根据距离函数对它们进行加权。
但是必须定义距离函数（重是“空权重函数”）。
有3选项“Bqr” “G” “vg ”。
前两选项非常相似除了确定距离删除“Bqr”（由这原因仍然是很快）。
选项功能是目标单元格上绘制多维正态分布。
“正态分布”有参数标准偏差被称“带宽”（b）。
因这是空回归“带宽”（b）系数由距离单位所测定。
GR这是非常重要系数定义什么是“当地”（“ll”）和“局部”（“rgl”）。
另重要选项是“v l Krl”。
选择了选项代替由距离单位测定“带宽”（b）“带宽”（b）测定由距离单位替代相邻单元格单位。
这方法有助避免边界效应控制局部回归取样效应。
通常这将提高模型拟合。
因“带宽”（b）是估计系数（除非对“当地”（ll）和“局部”（rgl）进行确切测定）它将影响模型拟合可以被佳化。
能够带宽（b）通“z z ”选项可以化这种情况下可以带宽（b）定义变异围是多少。
标签件夹分析结将会看到GR结和L结。
GRr0963（对照L083）显著地从087下降376039（GR）。
但是由这样灵活性可以释放般性（l grl）将得到线性方程以估计反应变量。
屏幕还显示了这些方程系数描述统计。
分析结屏幕可以发现方程分析表（V）比较GR与L释功效。
这方差分析表非常重要因GR具有8667有效系数与简单模型相比这是更多释功效。
这分析表体现了GR参数化（vrrrz）是与其它线性模型公正比较。
至残差相关相关图表明了模型成功释了短距离与长距离所有蔓延效应。
如所期望残差地图相比L更加“随机”（r）由残差几乎是完全地由相关。
GR附加结是“局部”回归结。
例如绘制r地图（或）验证模型哪位置能够更多成功地释局部变异或相反结。
GR新颖是每释变量回归系数图示。
而且还有助理图示所有变量局部重要性。
、助 程序助件（l l）也是非常重要……发展将连续不断地更新以及新修正。
因欢迎登陆我们（）以更新容。
更重要是如发现漏洞、错误或改进见请系我们