数据分析验证性实验报告

数据分析验证性实验报告

一、题目

1、1991 年我国30个省、区、市城镇居民月平均消费八个指标（单位均为元/人）

X1: 人均粮食支出X2: 人均副食支出

X3: 人均烟茶支出X4: 人均其它副食支出

X5: 人均衣着商品支出X6: 人均日用品支出

X7: 人均燃料支出X8: 人均非商品支出

设前20个省份为第1类G1，21-27号省份（即福建，…，北京）为第2类

G2，最后三个省份（西藏、上海、广东）待判。

试判别西藏、上海、广东各属哪一类，并计算判别率的回代估计。80

二、程序

1.录入数据

2. 按“Analyze → Classify → Discriminant ”顺序，打开Discriminant Analysis主对话框，选择“类别”为Grouping Variable（分组变量），定义“类别”的区域，选择x1、x2、x3、x4、x5、x6、x7、x8为Indepent Variable（解释变量）。

3. 点击Statistics按钮，进入Statistics对话框，在Descriptives栏选择Mean（对各组的各个变量作均值和标准差的描述；②在Function Coefficients栏（判别函数的系数）选择Fisher’s(Fisher线性判别函数)和Unstandardized（判别方程的非标准化系数）非标准化函数；③在Matrices栏选Within-groups correlation（组

内相关矩阵）,Within-groups covariance(组内协方差矩阵)，Separate-groups covariance(组间协方差矩阵) ，Total covariance(总协方差矩阵)。

4.点击Classification按钮，进入Classification对话框。在Prior Probabilities栏选择All groups equal；②在display栏选择casewise results（每个个体的结果），Summerry table（综合表）

5. 点击Save按钮，保存选项中可以选择预测的分类、判别得分以及所属类别的概率。

三、运行结果

表1

x2 2.272 88.673 .348 7.799 -7.701 10.541 .719 13.319 x3 .362 .348 3.181 1.475 1.689 .489 -.055 .022 x4 -.083 7.799 1.475 7.476 5.113 3.789 -.219 1.964 x5 -1.058 -7.701 1.689 5.113 7.967 2.892 -.135 -.353 x6 -.380 10.541 .489 3.789 2.892 5.493 -.082 2.196 x7 -.011 .719 -.055 -.219 -.135 -.082 .287 .067 x8 .277 13.319 .022 1.964 -.353 2.196 .067 3.614 a. 总的协方差矩阵的自由度为 26。

该表给出各类的协方差矩阵和总协方差矩阵。

表2：有关典型判别函数的输出表

特征值

函数特征值方差的 % 累积 % 正则相关性

1 4.937a100.0 100.0 .912

a. 分析中使用了前 1 个典型判别式函数。

Wilks 的 Lambda

函数检验Wilks 的

Lambda 卡方df Sig.

1 .168 37.404 8 .000

标准化的典型判别式函

数系数

函数

1

x1 .376

x2 .891

x3 -.118

x4 1.006

x5 -.644

x6 .393

x7 .372

x8 -.310

结构矩阵

函数

1

x2 .733 x8 .349 x6 .274 x4 .238 x1 .120 x7 .078 x5 -.056 x3 .021 判别变量和标准化典型判别式函数之间的汇聚组间相关性

按函数内相关性的绝对大小排序的变量。

组质心处的函数

类别函数1

1 -1.265

2 3.614

在组均值处评估的非标

准化典型判别式函数

分类处理摘要

已处理的27 已排除的缺失或越界组代码0 至少一个缺失判别变量0 用于输出中27

组的先验概率

类别先验

用于分析的案例

未加权的已加权的

1 .500 20 20.000

2 .500 7 7.000 合计 1.000 27 27.000

解：由上可得：

分类函数系数

类别

1 2

x1 6.830 8.051

x2 2.132 2.997

x3 -.395 -.710

x4 -2.117 -.126

x5 5.923 4.822

x6 -.236 .703

x7 7.089 10.460

x8 2.280 1.294

(常量) -119.594 -171.802

Fisher 的线性判别式函数

(1)、判别函数表达式为：

F2=8.051x1+2.997x2-0.710x3-0.126x4+4.822x5+0.703x6+10.466x7+ 1.294x8-171.802

F1=6.836x1+2.132x2-0.395x3-2.117x4+5.923x5-0.236x6+7.089x7+2.2 80x8-119.594

协方差S1矩阵为：

协方差S2矩阵为

协方差矩阵s2a