多元统计分析——判别分析实验报告

学生实验报告

学院：

课程名称：多元统计分析

专业班级：

姓名：

学号：

学生实验报告

一、实验目的及要求：

1、目的

熟悉SPSS统计软件，学会在统计软件SPSS中进行判别分析，并通过判别分析输出结果图，再进行判别分析。根据输出结果，把未分组的判给距离相近那组。

2、内容及要求

⑴熟悉spss软件有关判别分析的操作；

⑵利用spss软件分析判别分析课后练习第六题，判定待判组的类别归属；

⑶输出并解释分析结果并完成实验报告。

二、仪器用具：

三、实验方法与步骤:

步骤一：将数据复制到SPSS中，经过编辑后形成某地区人口死亡状况的数据集，如图1所示。

图1 某地区人口死亡状况的观测数据

步骤二：根据要求，采用系统聚类方法，在SPSS中选择分析-分类-判别分析如图2。

图2 判别分析

步骤三：进行判别分析，将X1到X6全部选入自变量中，分组变量为组别，如图

图3 判别分析选项框

步骤四：在统计量选项框中选择均值，单变量，Box’s M 等，如图4；分类选项中勾选个案、摘要等，如图5。

图4 统计量选项框

图5 分类选项框

四、实验结果与数据处理：

1．检验各组的描述统计量和对各组均值是否相等：

表1 Analysis Case Processing Summary

Unweighted Cases N

Percent

Valid 15 78.9 Excluded

Missing or out-of-range group codes

4

21.1

At least one missing discriminating variable 0

.0

Both missing or

out-of-range group codes and at least one missing discriminating variable 0

.0

Total

4 21.1 Total

19

100.0

表1

表2平上拒绝X4与X5在三组的均值相等的假设，即认为变量X4、X5在三组的均值是有显著差异的。

2. 典型判别函数：

表4 Wilks' Lambda

Test of Function(s) Wilks' Lambda

Chi-square

df

Sig. 1 through 2

.010 43.948 12 .000 2

.591

4.999

5

.416

由表3可以得出：第一判别函数解释了98.8%的方差，第二判别函数解释了1.2%的方差，两个判别函数解释了全部的方差。表4是对两个判别函数的显著性检验，由Wilkins’ Lambda检验，在0.05的显著性水平上，根据P值可以得到，第一个判别函数是显著的，第二个判别函数是不显著的。

3. 判别函数、判别载荷和各组的重心：

表5 Standardized Canonical Discriminant Function Coefficients

Function

1 2

X1 -17.046 -7.677

X2 14.757 9.870

X3 -1.306 -.513

X4 6.381 -.666

X5 1.332 .710

X6 4.315 1.833

表6 Structure Matrix

Function

1 2

X1 .007*-.002

X5 .280 -.394*

X4 .145 -.201*

X3 .096 .104*

X2 .007 .103*

X6 -.035 .092*

表7 Canonical Discriminant Function Coefficients

Function

1 2

X1 -1.950 -.878

X2 1.748 1.169

X3 -.930 -.365

X4 .825 -.086

X5 .102 .054

X6 1.662 .706

(Constant) -78.896 -30.330

表8 Functions at Group Centroids

组别Function

1 2

1 -2.647 1.013

2 9.444 -.259

3 -6.797 -.754

表5是标准化的判别函数，表示为：

Y1=-17.046X1+14.757X2-1.306X3+6.381X4+1.332X5+4.315X6

Y2=-7.677X1+9.870X2-0.531X3-0.666X4+0.710X5+1.833X6

表6为结构矩阵，即判别载荷，表四是反映判别函数在各组的重心

表7是非标准化的判别函数，表示为：

Y1=-78.896-1.950X1+1.748X2-0.930X3+0.825X4+0.102X5+1.662X6

Y2=-30.330-0.878X1+1.169X2-0.365X3-0.086X4+0.054X5+0.706X6

4．分类的统计结果：

表8 Classification Function Coefficients

组别

1 2 3

X1 -159.015 -181.479 -149.370

X2 168.068 187.715 158.749

X3 -98.413 -109.195 -93.908

X4 58.217 68.296 54.948

X5 11.702 12.862 11.185

X6 202.770 221.972 194.625

(Constant) -5628.382 -6584.377 -5266.780

Fisher's linear discriminant functions

表8是每组的分类函数，也称费歇线性判别函数，三组的分类函数表示为：

Y1=-5628.382-159.015X1+168.068X2-98.413X3+58.217X4+11.702X5+202.770X6 Y2=-6584.377-181.479X1+187.715X2-109.195X3-68.296X4+12.862X5+221.972X6 Y3=-5266.780-149.370X1+158.749X2-93.908X3+54.948X4+11.185X5+194.625X6 可以根据计算每个观测在各组的分类函数值，将观测分类到较大的分类函数值中。