SPSS软件在煤质指标分析中的应用探索

杨青文

摘 要：文章列举了若干使用SPSS软件进行煤质指标分析的案例，通过对统计分析结果的。

关键词：SPSS；控制图；正态分布；线性回归

1 引言

SPSS是IBM公司推出的一系列用于统计学分析运算、数据挖掘、预测分析和决策支持任务的软件产品及相关服务的总称，具有自动统计绘图、数据的深入分析、使用方便、功能齐全的数理统计分析软件。本文以版本IBM SPSS Statistics 19为例，就其在煤质指标分析中的应用进行一些探索。

2 控制图

SPSS支持直接的Excel数据表导入功能，打开SPSS软件，在文件一栏选择打开数据，点开之后在文件类型中选择Excel（*.xls， *xlsx， *xlsm）。

2.1数据前处理

先进入描述统计的频率子菜单，选择变量Mt，统计量选择偏度和峰度，点击确定。看偏度系数和峰度系数，如果均小于1，那么符合正态分布，可以进行下一步控制图分析。

2.2选则过程度量和定义子组

过程度量为全水分，定义子组为批次编号。

2.3设定选项、控制规则

选项sigma的数目为3，最小子组大小为2.不显示由缺失值定义的子组。X条形图、R图、s图的控制规则，勾选所有选项，在实际应用中可根据分析需求确定所需要的控制规则。

2.4绘出控制图

可以观察出倒数两个点以及倒数第四个点是违反规则的异常点，违反规则见下表X条形图规则违反。

3 个点违反控制规则。

3 发热量回归分析与正态分布检验

3.1 数据操作

某矿煤质统计指标；选中描述统计-频率-选择变量Mt、Aar、Ad、Qgr，d、Qnet，ar，统计量选择偏度和峰度，点击确定。看偏度系数和峰度系数，如果均小于1，那么符合正态分布。

对于新矿点：累积6组以上用该模型，6组之前用相近的矿点公式进行诊断。

3.2 线性拟合

正态分布检验完毕，进行线性拟合，参数选择如下：

（1）线性回归统计量。回归系数选择“估计”，选择“模拟拟合度”，残差选择“Durbin - Watson（U）”和个案诊断，离群值填“3”标准差。其他选项均不选。

（2）线性回归绘制。Y（Y）选择DEPENDENT，X2（X）选择DRESID。

（3）线性回归保存。预测值选择“未标准化”，残差选择“未标准化”，预测区间选择“均值”、“置信区间95%”，勾选“包含协方差矩阵”。系数统计、影响统计量、距离等参数不选。

（4）线性回归选项。使用F的概率，进入0.05，删除0.10；勾选“在等式中包含常量”和“按对排除个案”。

3.3 数据分析

Qgr，d与Ad，Qnet，ar与Mt、Aar的拟合结果为：

①Qgr，d = 34.241 - 0.388Ad；

②Qnet，ar = 33.762 - 0.390Mt - 0.390Aar；

以公式②为例：

（1）相关系数检验观察调整R方值，为0.985，非常接近1，表示自变量对因变量的解释很好，能达到98.5%。

a. 预测变量： （常量）， 收到基灰分Aar， 全水分Mt。

b. 因变量： 收到基低位热值Qnet，ar

（2）F检验。F检验是对拟合的回归模型整体的方差检验值，观察回归曲线的F检验sig值，如果小于0.05说明整个回归模型有显著作用，F统计量值与Fα（1，n-2）进行比较（显著性水平，一般取0.05），F>Fα（1，n-2），拒绝H0，表明回归效果显著，F≤Fα（1，n-2），接受H0，此时回归效果不显著。

（3）各个自变量的t检验sigma值，t统计量值的正负表示该自变量对因变量的影响是正还是负。|t|>tα（n-2），拒絕H0，回归效果显著；|t|≤tα（n-2），接受H0，回归效果不显著。

（4）计算出Qgr，d = 24.200MJ/kg，实际测量值为Qgr，d = 24.388MJ/kg，相差-188J/g。计算值Qnet，ar = 20.978MJ/kg，实际测量值为Qnet，ar = 21.147MJ/kg，相差-169J/g。

4 结语

煤质指标间其他指标也存在较强的联系，如发热量和水分、挥发分、灰分、硫分、氢值间的关系，碳值与氢值的关系，以及其他，本文只是冰山一角，抛砖引玉。借助SPSS这样强大的数理统计软件，可以以更具体量化的方式去衡量已知的物理关系，并启发帮助我们寻找更多的未知的潜在联系。