SPSS操作方法：判别分析例题
spss教程_13-1(判别分析)
y
( ) i
ax
'
k n
( ) i
, 1,2, k , i 1,2, n ,
Hale Waihona Puke ( ) iS 总 ( y
1 i 1
K
y )( y
( ) i
y ) a Ta,
' '
S 类间 n ( y
1
k
( )
y )( y y
( )
( )
判别分析
分类： 1、按判别的组数来分，有两组判别分析和多 组判别分析 2、按区分不同总体所用的数学模型来分，有 线性判别和非线性判别 3、按判别对所处理的变量方法不同有逐步判 别、序贯判别。 4、按判别准则来分，有费歇尔判别准则、贝 叶斯判别准则
判别分析
判别分析和前面的聚类分析有什么不同呢？ 主要不同点就是，在聚类分析中一般人们事 先并不知道或一定要明确应该分成几类，完 全根据数据来确定。 而在判别分析中，至少有一个已经明确知道 类别的“训练样本”，利用这个数据，就可 以建立判别准则，并通过预测变量来为未知 类别的观测值进行判别了。
费歇尔判别法
费歇尔判别方法是历史上最早提出的判别方 法之一，也叫线性判别法 费歇尔判别的思想是通过将多维数据投影到 某个方向上，投影的原则是将类与类之间尽 可能的分开，然后再选择合适的判别准则， 将待判的样本进行分类判别。
费歇尔判别法
一、判别原理 设有k个总体G1,G2,…,Gk,每类中含有样本数 分别为n1,n2,…,nk 假定所建立的判别函数为
ax ax (k ) ax ax (l )
则x属于第k组
逐步判别分析
一、逐步判别原理 逐步判别分析从模型没有变量开始，每一步 都对模型进行检验，把模型外对模型的判别 力贡献最大的变量加到模型中，同时考虑已 经在模型中但又不符合留在模型中条件的变 量从模型中剔除。
2024版SPSS判别分析方法案例分析
01 查看判别分析的结果输出，包括判别函数系数、 结构矩阵、分类结果等。
02 根据输出结果，解读判别分析的结果，如判别函 数的贡献、分类准确率等。
03 结合专业知识和实际背景，对结果进行合理解释 和讨论。
05
案例分析：某公司客户流失预测 模型构建
案例背景及问题描述
01
某大型电信公司面临客户流失问题，需要构建客户流失
04
SPSS判别分析操作过程
导入数据并建立数据集
1
打开SPSS软件，选择“文件”->“打开”>“数据”，导入需要分析的数据文件。
2
在数据视图中检查数据的完整性和准确性，确保 数据质量。
3
根据需要，对数据进行预处理，如缺失值处理、 异常值处理等。
选择合适的判别分析方法
根据研究目的和数据特点，选择合适 的判别分析方法，如线性判别分析、 二次判别分析等。
决策树与随机森林
基于贝叶斯定理和多元正态分 布假设，通过最大化类间差异 和最小化类内差异来建立线性 判别函数。适用于正态分布且 各类别协方差矩阵相等的情况。
放宽了LDA的假设条件，允许各 类别具有不同的协方差矩阵。 通过构建二次判别函数进行分 类。适用于更一般的数据分布 情况。
基于距离度量的方法，将新样 本分配给与其最近的K个已知样 本中最多的类别。适用于多类 别、非线性可分问题。
数据变换与标准化
数据变换
根据分析需求，对数据进行适当的变换，如对数变换、平 方根变换等，以改善数据的分布形态或满足分析要求。
数据标准化
对数据进行标准化处理，消除量纲和数量级的影响，使不 同变量具有可比性。常用的标准化方法包括Z分数标准化、 最小最大标准化等。
数据离散化
SPSS操作方法：判别分析例题
1991 年 30 个省、市、自治区城镇居民月平均收人数据表
x2：人均国有经济单位职工工资
x3：人均来源于国有经济单位标准工资
x4：人均集体所有制工资收入
x5：人均集体所有制职工标准工资
样品序 地区 x1
类 号序
G1 6 7
G2 6 7
G3 1
1号 北 京 170.03 110.2
2
3
4
5
8
9
天 津 141.55 82.58
1
2
3
4
5
8
9
山 西 102.49 71.72
内蒙古 106.14 7
黑龙江 103.34 62.99
江 西 98.089 69.45
河 南 104.12 72.23 贵 州 108.49 80.79
陕 西 113.99 75.6
甘 肃 114.06 84.31
实验指导之二
判别分析的 SPSS 软件的基本操作
[实验例题] 为研究 1991 年中国城镇居民月平均收入状况，按标准化欧氏平方
距离、离差平方和聚类方法将 30 个省、市、自治区．分为三种类型。试建立判
别函数，判定广东、西藏分别属于哪个收入类型。判别指标及原始数据见表 9-
4。
人
x1：人均生活费收入 体)
10 青 海 108.80 80.41
11 宁 夏 115.96 88.2l
辽 宁 128.46 68.91
x2
x3
59.76 50.98 53.39 60.24 52.30 53.02 48.18 45.60 50.13 50.57 69.70 47.72 46.19 44.60 42.95 43.04 47.31 47.52 50.88 52.78 50.45 51.85 43.4l
SPSS数据的判别分析
短期支付能力 1.09 1.51 1.01 1.45 1.56 .71 .22 1.31 2.15 1.19 1.88 1.99 1.51 1.68 1.26 1.14 1.27 2.49 2.01
5 zf
生产效率指标 .45 .16 .40 .26 .67 .28 .18 .25 .70 .66 .27 .38 .42 .95 .60 .17 .51 .54 .53
（2）各组变量的协方差矩阵相等。在此假设下，可以使用 很简单的公式计算判别函数和进行显著性检验。
（3）各判别变量之间具有多元正态分布，即每个变量对于 所有其他变量的固定值有正态分布。在此条件下，可精确计 算显著性检验值和分组归属的概率。
2023/5/3
11
zf
➢ 三、判别分析方法
距离判别 本专题将介绍的方法有费 贝歇 叶尔 斯判 判别 别
判别分析 (Discriminate Analysis)
知识要点：
1、什么是判别分析？ 2、理解距离判别、Bayes判别以及Fisher判别的基本思想 3、结合SPSS软件进行案例分析 4、判别分析的应用（※※）
zf
判别分析的应用
医学：
例1：在医学诊断中，一个病人肺部有阴影，医生要判断 他患的是肺结核、肺部良性肿瘤还是肺癌？ 肺结核病人、肺部良性肿瘤病人、肺癌病人组成三个总 体，病人来自其中一个总体，可通过病人的指标（阴影 大小、边缘是否光滑等）用判别分析判断他来自哪个总 体（即判断他患的什么病？）
逐步判别
2023/5/3
12
zf
距离判别
❖ 首先根据已知分类的数据，分别计算各类的重心即各组（类）的 均值，判别的准则是对任给样品，计算它到各类平均数的距离， 哪个距离最小就将它判归哪个类。
判别分析的SPSS实现
第五节判别分析判别分析是根据观察或测量到的若干变量值，判断研究对象如何分类的方法。
判别函数一般形式是：F1= a i1x1+a i2x2+a i3x3．．．+a in x nF2= a i1x1+a i2x2+a i3x3．．．+a in x n: :F m= a m1x1+a m2x2+a m3x 3．．．+a mn x nSPSS提供的判别分析过程是Discriminant过程。
【例3-9】浙江北部地区1950~1982年小麦赤霉病发生程度与气象因子研究，总结出上年12月降雨量（x1）、上年10月下旬至11月中旬和当年1~2月总降雨（x2）、上年10月下旬至11月上旬日照时数（x3）、上年10月下旬至12月中旬和当年2月总雨量（x4）以及当年3月中旬平均温度（x5）等5个因子，并将赤霉病情分为轻中重三级（y，分别用1、2、3表示）。
用这些数据建立气象因子与小麦赤霉病发生程度的判别模型。
年份x1x2x3x4x5y195014.3107.3140.0105.3 6.91 195146.5129.1154.191.311.91 195243.0143.183.9157.413.02 195371.2280.582.5317.413.93 1954.769.3145.669.511.31 1955123.9297.364.6307.213.73 195685.4115.439.4144.711.11 195738.477.394.6143.213.92 195879.696.885.499.09.62 195933.474.7129.5103.49.91 196048.195.9155.392.010.511955123.9297.364.6307.213.73 195685.4115.439.4144.711.11 195738.477.394.6143.213.92 195879.696.885.499.09.62 195933.474.7129.5103.49.91 196048.195.9155.392.010.51 19617.7116.3158.2148.115.11 19628.9225.3104.2195.513.81 196334.8150.7165.0124.611.91 196444.4147.288.3158.712.72 196574.2232.794.1154.613.53 1966.180.9148.881.311.01 1967119.6208.070.9217.813.83 196894.0130.249.2176.211.02 196932.983.6115.3135.713.82 197065.588.1126.9102.59.71 197131.359.3105.182.910.01 197252.393.3173.791.210.01 19737.298.2154.3120.715.01 1974 5.3245.8100.4200.213.711准备分析数据在SPSS数据管理窗口，定义变量名x1、x2、x3、x4、x5、y分别表示表中对应变量。
spss判别分析(PPT)
第9章判别分析判别分析是一种常用的统计分析方法。
判别分析是根据观察或测量到若干变量值，判断研究对象如何分类的方法。
例如，我们积累了某种病虫害各种发生状态的若干历史资料样本），希望从中总结出分类的规律性（即判别公式，在以后的工作中遇到新的发生状态（样本）时。
只要根据总结出来的判别公式判断它所属的类就行了。
动物、植物分类等都可以用判别分析来解决。
进行判别分析必须已知观测对象的分类和若干表明观测对象特征的变量值。
判别分析就是要从中筛选出能提供较多信息的变量并建立判别函数，使得利用推导出的判别函数对观测量判别其所属类别时的错判率最小。
判别函数一般形式是： Y = a1X1+a2X2+a3X3．．．+a n X n其中： Ｙ为判别分数（判别值）；Ｘ１，Ｘ２，Ｘ３：…Ｘｎ为反映研究对象特征的变量，ａ１、ａ２、ａ３…ａｎ为各变量的系数，也称判别系数。
可以看出我们这里所讲的是线性判别函数。
SPSS 对于分为m类的研究对象，建立m个线性判别函数。
对于每个个体进行判别时，把测试的各变量值代入判别函数，得出判别分数，从而确定该个体属于哪一类。
或者计算属于各类的概率，从而判断该个体属于哪—类。
还可建立标准化和未标准化的典则判别函数。
ＳＰＳＳ提供的判别分析过程是Ｄｉｓｃｒｉｍｉｎａｎｔ过程。
[例子9-1]表9-1 浙江北部地区1950~1982年小麦赤霉病发生程度与气象因子数据表X1 X2 X3 X4 X5 y14.3 107.3 140.0 105.3 6.9 146.5 129.1 154.1 91.3 11.9 143.0 143.1 83.9 157.4 13.0 271.2 280.5 82.5 317.4 13.9 3.7 69.3 145.6 69.5 11.3 1123.9 297.3 64.6 307.2 13.7 385.4 115.4 39.4 144.7 11.1 138.4 77.3 94.6 143.2 13.9 279.6 96.8 85.4 99.0 9.6 233.4 74.7 129.5 103.4 9.9 148.1 95.9 155.3 92.0 10.5 17.7 116.3 158.2 148.1 15.1 18.9 225.3 104.2 195.5 13.8 134.8 150.7 165.0 124.6 11.9 144.4 147.2 88.3 158.7 12.7 274.2 232.7 94.1 154.6 13.5 3.1 80.9 148.8 81.3 11.0 1119.6 208.0 70.9 217.8 13.8 394.0 130.2 49.2 176.2 11.0 232.9 83.6 115.3 135.7 13.8 265.5 88.1 126.9 102.5 9.7 131.3 59.3 105.1 82.9 10.0 152.3 93.3 173.7 91.2 10.0 17.2 98.2 154.3 120.7 15.0 15.3 245.8 100.4 200.2 13.7 1128129浙江北部地区1950~1982年小麦赤霉病发生程度与气象因子研究，总结出上年12月将与（x1）、上年10月下旬至11月中旬和当年1~2月总降雨（x2）、上年10月下旬至11月上旬日照时数（x3）、上年10月下旬至12月中旬和当年2月总雨量（x4）以及当年3月中旬平均高文（x5）等5个因子，并将赤霉病情分为轻中重三级（y ，分别用1、2、3表示）。
专题16用SPSS进行判别分析
专题16 用SPSS进行判别分析1 用默认方法作判别分析2 选项的设置简介1 用默认方法作判别分析用默认方法作判别分析，可按如下步骤进行。
①建立或读入数据文件在数据窗中输入待分析的数据，或利用File菜单中的Open功能打开已存在的数据文件。
②展开主对话框在SPSS主界面中依次逐层选择“Analyze”、“Classify”、“Discriminant”，展开判别分析主对话框（如图）。
③选择分类变量及其取值范围在如图14.1的主对话框左边的矩形框中选定分类变量，并用上面一个箭头按钮将其移到“Grouping Variable”框中。
然后用其下面的“Define Range”按钮打开如图14.2的对话框。
分别在“Minimum”和“Maximum”后面的矩形框中键入分类变量的最大值与最小值，然后按“Continue”按钮返回主对话框。
分类变量须是数值型的，其值必须是整数，每个值代表一类，如１代表健将、２代表一级运动员、３代表二级运动员。
④选择判别变量在主对话框左边的矩形框中选择判别变量，并用下面一个箭头按钮将它们移到“Independents”矩形框中。
⑤选择是否作逐步判别若不用逐步判别筛选变量，在主对话框中选择“Enter independents together”。
若作逐步判别，则选择“Use stepwise method”。
⑥运行程序检查所选变量是否有误，若选择有误，则选定错误变量，用边上的箭头按钮将其移出。
若变量选择无误，按“OK”按钮即可运行程序。
返回2 选项的设置简介①在主对话框中单击“Statistics”按钮可以打开选择输出统计量的对话框。
●选定“Means”可得到各类的均数、标准差等统计量●选定“Univariate ANOVAs”可得到各单变量的方差分析●选定“Box’s M”可得到各类协差阵相等性的Box检验●选择“Fisher’s”可得到费歇的线性分类函数●选定“Unstandardized”可以得到非标准化的典型判别函数系数●选定“Within-groups covariance”可以得到合并组内协差阵。
多元统计分析判别分析(方法步骤分析总结)
判别分析：实验步骤：1. 在SPSS窗口中选择：分析-分类-判别，将变量导入自变量框中，group 导入分组变量中，选择定义范围，最小为1最大为3，并选择一起输入自变量，点击继续2. 点击统计量，描述性中选择“均值”，“单变量”和”Box”，选择函数系数中的“Fisher”“未标准化”，矩阵中选择“组内相关”，点击继续3. 点击分类点击继续4. 点击“保存”，三个框均选中，点击继续5. 点击确定实验结果分析：1. 表1 组统计量看各个总体在均值等指标上的值是否接近，若接近说明各类之间在该指标差异不大表2组均值的均等性的检验Wilks 的 Lambda F df1 df2 Sig. 0岁组死亡概率.997 .019 2 12 .981 1岁组死亡概率.990 .063 2 12 .939 10岁组死亡概率.645 3.301 2 12 .072 55岁组死亡概率.438 7.690 2 12 .007 80岁组死亡概率.174 28.557 2 12 .000由表中看到第一二六个指标的sig值很大，说明拒绝原假设，在总体间差异不大表3 汇聚的组内矩阵若自变量之间存在高度相关，则判别分析价值不大，但并不严格，允许出现一定的相关表4 协方差矩阵的均等性的箱式检验检验结果 p值>0.05时，说明协方差矩阵相等，可以进行bayes检验表5由表5看出，函数1的特征值很大，对判别的贡献大表6表7给出非标准化的典型判别函数系数典型判别式函数系数函数1 20岁组死亡概率-1.861 -.8671岁组死亡概率 1.656 1.155 10岁组死亡概率-.877 -.356 55岁组死亡概率.798 -.089 80岁组死亡概率.098 .054平均预期寿命 1.579 .690 (常量) -74.990 -29.482由表7可知，两个Fisher判别函数分别为表8 结构矩阵结构矩阵函数1 20岁组死亡概率.008* -.001 80岁组死亡概率.288 -.388* 55岁组死亡概率.149 -.199* 10岁组死亡概率.098 .106* 1岁组死亡概率.007 .104* 平均预期寿命-.036 .091*该表是原始变量与典型变量（标准化的典型判别函数）的相关系数，相关系数的绝对值越大，说明原始变量与这个判别函数的相关性越强表9 组重心处的函数由表9可知各类别重心的位置，通过计算观测值与各重心的距离，距离最小的即为该观测值的分类。
SPSS-判别分析
7
7.000
X3 57.688571 5.3244794
7
7.000
X4
1.642857 .2258107
7
7.000
X5
6.117143 1.0954712
7
7.000
X6 5599.6943 3483.62892
7
7.000
X7 98.627143 .6152971
7
7.000
Total X1 30.808462 4.2417407
Exact F
df1
df2
1
11.000
2
10.000
Sig. .001 .000
n 选入判别函数的变量对正确判断分类是有作用的
Step
1
X5
2
X5
X1
Variables in the Analysis
Tolerance 1.000 .850 .850
F to Remove 23.090 22.990 6.325
-159.775X5-0.033X6+504.755X7 将两样品的自变量值代入上述两个贝叶斯判别 函数，得到两个函数值，比较这两个函数值，哪个 函数值比较大就可将该样品判入该类。
例如，将待判样品山东的各变量值分别代入两函数，得到 F1=23126.21，F2=23136.71，比较两个函数值，得出F2较 大，可以认为待判样品山东省应该属于第二类。
Structure Matrix
Function
1
X5
.661
X2
.506
X4
.452
X1
-.333
表中数据是按大小 依次排序的各判别 变量与判别函数间 的相关系数
判别分析的一般步骤及SPSS实现
判别分析的SPSS实现
由此表可知,两个Fisher判别函数分别为： y 1 7 4 .9 9 1 .8 6 1 X 1 1 .6 5 6 X 2 0 .8 7 7 X 3 0 .7 9 8 X 4 0 .0 9 8 X 5 1 .5 7 9 X 6 y 2 2 9 .4 8 2 0 .8 6 7 X 1 1 .1 5 5 X 2 0 .3 5 6 X 3 0 .0 8 9 X 4 0 .0 5 4 X 5 0 .6 9 X 6
1
4
40.17 13.45 1.43 13.88 101.2 66.2
1
5
50.06 23.03 2.83 23.74 112.52 63.3
1
6
33.24 6.24 1.18 22.9 160.01 65.4
2
7
32.22 4.22 1.06 20.7 124.7 68.7
2
8
41.15 10.08 2.32 32.84 172.06 65.85
X 4 ： 55岁组死亡概率 X5 ： 80岁组死亡概率 X6 ： 平均预期寿命
表7.1 各地区死亡概率表
X1
X2
X3
X4
X5
X6
类别
1
34.16 7.44 1.12 7.87 95.19 69.3
1
2
33.06 6.34 1.08 6.77 94.08 69.7
1
3
36.26 9.24 1.04 8.97 97.3 68.8
比较三个值,可以看出第一个待判样品应该属于第三组.
判别分析的SPSS实现
表7.3 Bayes判别法的输出结果
Classification Fu nction Coe fficie n ts
聚类判别分析SPSS练习题
聚类判别分析SPSS练习题1. 现有22名⽩⾎病病⼈的九种基因表达的cDNA微阵列扫描数据（X1~X9），根据X1~X9 的变量信息，对该22名⽩⾎病病⼈予以分类。
（具体数据见下表1）采⽤SPSS软件进⾏操作并回答以下问题：（个体聚类。
变量聚类）此题为个体聚类（1）采⽤什么分析⽅法？写出该⽅法在SPSS软件中的路径；聚类分析classify——hierarchical（2）该分析⽅法中采⽤什么统计指标进⾏度量的？个体聚类⽤⽤欧式距离平⽅。
距离越远就不可能聚类。
指标聚类⽤相关系数⼤⼩（3）根据结果中的什么图从⽽将该22名⽩⾎病病⼈分成3类？同时写出归为同⼀类的个体序号。
第⼀类8、21、1、4.第⼆类6、11 第三类剩下的《资料的表现形式是⽆序的、》聚类之后可以判别、、表1 ⽩⾎病⼈的九种基因表达序号X1X2X3X4X5X6X7X8X91 2.57403 2.53782 2.53403 2.12710 2.00000 2.00000 2.00000 2.53656 2.445602 2.87448 2.80686 2.88366 2.74036 2.00000 2.00000 2.30320 3.26623 3.432813 2.55991 2.00000 2.56820 2.00000 2.56348 2.00000 2.45637 2.98543 3.386504 2.65031 2.27646 2.37291 2.01703 2.00000 2.10721 2.00000 2.45637 2.586595 3.12352 2.53656 2.65128 2.34830 2.26482 2.17026 2.43775 3.15746 3.808956 3.14551 2.72263 3.02857 2.00000 3.18724 2.00000 2.85248 3.11327 3.178987 2.77452 2.01703 2.52504 2.22011 2.77452 2.00000 2.00000 2.83442 3.786118 3.05231 2.60097 2.43297 2.16435 2.31597 2.22789 2.65992 2.95182 2.000009 2.97497 2.34044 2.77452 2.35025 2.00000 2.00000 2.00000 2.87448 3.3163910 3.00817 2.81291 2.65992 2.00000 2.03743 2.00000 2.57519 3.02078 3.2195811 2.95617 2.88138 2.61700 2.00000 2.71600 2.00000 2.51188 3.00689 3.3442012 3.01578 2.41996 2.59879 2.22789 2.00000 2.29226 2.34439 2.80209 3.7668613 2.72263 2.41664 2.16137 2.00000 2.60314 2.00000 2.44716 2.87622 3.0751814 2.98046 2.99211 2.69810 2.00000 2.00000 2.16435 2.55751 2.96379 3.3546815 2.95665 2.41996 2.48430 2.00000 2.13354 2.00000 2.00000 2.72916 3.1711416 3.04297 2.37658 2.29885 2.36736 2.30750 2.00860 2.10380 2.78319 3.4026117 2.62221 2.54033 2.54777 2.00000 2.70329 2.00000 2.00000 2.65896 3.1309818 3.13481 2.00000 2.47129 2.08279 2.04139 2.46687 2.66087 2.79029 3.2953519 2.98767 2.47129 2.78032 2.00000 2.09691 2.00000 2.68931 2.77232 2.8561220 2.92993 2.30103 2.58659 2.03743 2.00000 2.02119 2.00000 2.79518 3.2372921 3.05231 2.60097 2.43297 2.16435 2.31597 2.22789 2.65992 2.95182 2.0000022 3.02325 2.83569 2.77525 2.61490 2.00000 2.00000 2.47857 3.46419 3.51322 2. 为明确诊断出⼩⼉肺炎三种类型, 某研究单位测得30名结核性、12名化脓性和18细菌性肺炎患⼉共60名的6项⽣理、⽣化指标（具体数据见下表2）, 试进⾏判别分析。
SPSS操作方法：判别分析例题
实验指导之二判别分析的SPSS软件的基本操作[实验例题]为研究1991年中国城镇居民月平均收入状况，按标准化欧氏平方距离、离差平方和聚类方法将30个省、市、自治区．分为三种类型。
试建立判别函数，判定广东、西藏分别属于哪个收入类型。
判别指标及原始数据见表9-4。
1991年30个省、市、自治区城镇居民月平均收人数据表单位：元／人 x1：人均生活费收入 x6：人均各种奖金、超额工资(国有+集体) x2：人均国有经济单位职工工资 x7：人均各种津贴(国有+集体)x3：人均来源于国有经济单位标准工资 x8：人均从工作单位得到的其他收入x4：人均集体所有制工资收入 x9：个体劳动者收入x5：人均集体所有制职工标准工资6 湖南124.00 84.66 44.05 13.5 7.47 19.11 20.49 10.3 1.76待判1 广东211.30 114.0 41.44 33.2 11.2 48.72 30.77 14.9 11.12 西藏175.93 163.8 57.89 4.22 3.37 17.81 82.32 15.7 0.00贝叶斯判别的SPSS操作方法：1. 建立数据文件2．单击Analyze→Classify→Discriminant，打开Discriminant Analysis判别分析对话框如图1所示：图1 Discriminant Analysis判别分析对话框3．从对话框左侧的变量列表中选中进行判别分析的有关变量x1~x9进入Independents 框，作为判别分析的基础数据变量。
从对话框左侧的变量列表中选分组变量Group进入Grouping Variable 框，并点击Define Range...钮，在打开的Discriminant Analysis: Define Range 对话框中，定义判别原始数据的类别数，由于原始数据分为3类，则在Minimum（最小值）处输入1，在Maximum（最大值）处输入3（见图2）。
用SPSS软件来实现判别分析
用SPSS软件来实现判别分析哈尔滨商业大学实验题目:___用SPSS软件来实现判别分析___________ 姓名:__张彦琛_____ 学号:__201214390009____数学与应用数学_____________________ 专业:____日期:______2012-10-27_______________________成绩一、实验目的用SPSS软件来实现判别分析及其应用。
二、实验内容已知某研究对象分为3类，每个样品考察4项指标，各类观测的样品数分别为7，4，6;另外还有2个待判样品分别为第一个样品:x1=-8,x2=-14,x3=16,x4=56 第二个样品:x1=92,x2=-17,x3=18,x4=3.0 三、实验步骤及结论(一)实验步骤把实验所用数据从Word文档复制到Excel，并进一步导入到SPSS数据文件中进行判别分析。
执行菜单命令，单击“分析—>分类—>判别”，进行操作步骤……点击确定，即可得到实验结论。
(二)实验结论表一:a检验结果箱的 M 35.960F 近似。
2.108df1 10df2 537.746Sig. .022对相等总体协方差矩阵的零假设进行检验。
a. 有些协方差矩阵是奇异矩阵,因此一般程序不会起作用。
将相对非奇异组的汇聚组内协方差矩阵检验非奇异组。
其行列式的对数为 18.794。
表一是box检验的结果。
Box的检验结果是35.390，Sig.的值为0.0022<0.05，拒绝原假设，即每类的协差阵不完全相等。
表二:特征值函数特征值方差的 % 累积 % 正则相关性a1 3.116 99.6 99.6 .870a2 .012 .4 100.0 .111a. 分析中使用了前 2 个典型判别式函数。
表二是特征值。
从表中知第一个特征值是3.116，方差贡献率为99.6%，累计贡献率为99.6%，判断率为99.6%，则第一判别函数有效。
表三:Wilks 的 Lambda函数检验 Wilks 的 Lambda 卡方 df Sig.1 到2 .240 17.840 8 .0222 .988 .1543 .985表三给出了Fisher判别函数的有效性检验。
spss数据分析作业-中国区域经济类型的聚类和判别分析
应用数理统计（论文）中国区域经济类型的聚类和判别分析指导老师：**院系名称：材料科学与工程学号：SY********名：***2014年12月20日摘要区域经济发展的指标体系，包括人口总数、第一产业总产值、第二产业总产值、第三产业总产值、财政收入、社会消费品零售总额、货物进出口总额、平均工资、人均可支配收入和居民消费水平等。
本文主要通过系统类聚的方法，将全国31 个省市（自治区）的2013年经济发展状况进行归类分析，得出全国区域经济发展水平的一些基本情况，并进行了相应的判别分析，为我国经济在快速发展的前提下，做好协调发展提供一些启示。
关键字：区域经济聚类分析判别分析中国区域经济类型的聚类和判别分析目录1引言 (4)2数据收集 (5)3聚类分析 (8)3.1聚类分析概述 (8)3.2聚类分析过程及结果输出 (8)3.3讨论 (12)4判别分析 (14)4.1判别分析概述 (14)4.2判别分析过程及结果输出 (14)4.3讨论 (17)5结论 (18)参考文献 (19)应用数理统计（论文）1引言在制定国民经济和社会发展规划时，通常需要按照行政区域进行经济类型的划分，这有助于对不同地区经济发展存在的差异进行宏观调控，从而因地制宜出台相应的经济政策，促进各地区经济的协调发展，为国民经济持续协调健康发展奠定了坚实基础。
明确当前我国发达地区和落后地区的区间格局, 对于进一步的研究和分析我国各区域间经济发展的状况，并探求切实可行的区域协调发展政策以实现我国经济的可持续发展有着极为重要的现实意义。
在多元统计分析中,常常使用聚类分析和判别分析来解决样本的分类问题。
在事先并不知道应将样品或指标分为几类的情况下，可以使用聚类分析根据样本或指标的相似程度，将样本或指标归组分类；而在事先已经建立了样品分类，需要将新样本归入到已知分类的样本组中时，就可以使用判别分析。
本文试图通过聚类分析的方法，分析2013 年中国31 个省市（区域）经济发展发展状况和差异情况，从中寻找一些有用的信息，提出对我国经济如何在快速发展的基础上，做到协调发展的一些思考。
spss判别分析案例详解
spss判别分析案例详解SPSS判别分析案例详解。
在统计学中，判别分析是一种用于确定不同组别之间差异的统计方法。
它可以帮助我们理解不同变量之间的关系，以及这些变量在预测和分类方面的作用。
在本文中，我们将通过一个实际的案例来详细介绍如何使用SPSS进行判别分析。
案例背景：假设我们是一家电子商务公司的数据分析师，我们想要确定哪些因素对于用户购买高价值产品的决策具有影响力。
我们收集了一些用户的个人信息和他们的购买行为数据，希望通过判别分析找出影响用户购买高价值产品的关键因素。
数据准备：首先，我们需要将收集到的数据导入SPSS软件中。
在导入数据后，我们可以对数据进行初步的检查，确保数据的完整性和准确性。
接下来，我们需要选择判别分析作为我们的分析方法，并将购买高价值产品作为分类变量，个人信息和购买行为数据作为判别变量。
分析步骤：1. 设定判别分析的目的和假设，在进行判别分析之前，我们需要明确分析的目的是什么，以及我们的假设是什么。
在这个案例中，我们的目的是找出影响用户购买高价值产品的关键因素，我们的假设是个人信息和购买行为数据会对用户的购买决策产生影响。
2. 进行判别分析，在设定好目的和假设后，我们可以开始进行判别分析。
SPSS 会根据我们选择的分类变量和判别变量，自动进行变量选择和模型拟合，得出判别函数和判别系数。
通过判别函数和判别系数，我们可以了解每个判别变量对于不同组别的影响程度，以及它们对于用户购买高价值产品的预测能力。
3. 结果解释，在得出判别函数和判别系数后，我们需要对结果进行解释。
我们可以通过判别函数的系数来理解每个判别变量对于用户购买高价值产品的影响程度，以及它们之间的相互关系。
同时，我们还可以通过判别系数的大小来评估判别模型的预测能力和区分能力。
案例分析：通过对案例数据的判别分析，我们得出了以下结论：1. 个人收入、年龄和教育程度是影响用户购买高价值产品的重要因素，其中个人收入对用户购买高价值产品的影响最大，其次是年龄和教育程度。
spss进行判别分析步骤_spss判别分析结果解释_spss判别分析案例详解
spss进⾏判别分析步骤_spss判别分析结果解释_spss判别分析案例详解1．Discriminant Analysis判别主对话框如图 1-1 所⽰图 1-1 Discriminant Analysis 主对话框（1）选择分类变量及其范围在主对话框中左⾯的矩形框中选择表明已知的观测量所属类别的变量(⼀定是离散变量)，按上⾯的⼀个向右的箭头按钮，使该变量名移到右⾯的Grouping Variable 框中。
此时矩形框下⾯的Define Range 按钮加亮，按该按钮屏幕显⽰⼀个⼩对话框如图1-2 所⽰，供指定该分类变量的数值范围。
图 1-2 Define Range 对话框在Minimum 框中输⼊该分类变量的最⼩值在Maximum 框中输⼊该分类变量的最⼤值。
按Continue 按钮返回主对话框。
(2)指定判别分析的⾃变量图 1-3 展开 Selection Variable 对话框的主对话框在主对话框的左⾯的变量表中选择表明观测量特征的变量，按下⾯⼀个箭头按钮。
把选中的变量移到Independents 矩形框中，作为参与判别分析的变量。
（3）选择观测量图 1-4 Set Value ⼦对话框如果希望使⽤⼀部分观测量进⾏判别函数的推导⽽且有⼀个变量的某个值可以作为这些观测量的标识，则⽤Select 功能进⾏选择，操作⽅法是单击Select 按钮展开Selection Variable。
选择框如图1-3 所⽰。
并从变量列表框中选择变量移⼊该框中再单击Selection Variable 选择框右侧的Value按钮，展开Set Value(⼦对话框)对话框，如图1-4 所⽰，键⼊标识参与分析的观测量所具有的该变量值，⼀般均使⽤数据⽂件中的所有合法观测量此步骤可以省略。
（4）选择分析⽅法在主对话框中⾃变量矩形框下⾯有两个选择项，被选中的⽅法前⾯的圆圈中加有⿊点。
这两个选择项是⽤于选择判别分析⽅法的l Enter independent together 选项，当认为所有⾃变量都能对观测量特性提供丰富的信息时，使⽤该选择项。
SPSS处理多元判别分析
实验四：多元判别分析一．实验目的1．熟练掌握使用SPSS对数据进行多元判别分析的方法2．掌握对数据的多元判别结果的分析方法二．实验要求1．能够按照实验题目要求完成实验题目2．掌握实验中要求的掌握方法，熟练操作SPSS3．对实验结果进行分析三．实验内容实验过程：1.依次点击“分析——分类——判别”并设置相关量,如下图一所示：【图一】分析的结果如表一所示：【表一】判别分析案例处理摘要未加权案例N 百分比有效100 100.0 排除的缺失或越界组代码0 .0至少一个缺失判别变量0 .0缺失或越界组代码还有至少一个缺失判别变量0 .0合计0 .0 合计100 100.0组统计量group 均值标准差有效的 N（列表状态）未加权的已加权的正常人pa 28.2136 4.70056 25 25.000alpha_ag 67.5780 16.75241 25 25.000 hp 257.1212 126.27684 25 25.000 alpha_at 282.1680 30.83337 25 25.000肝癌，AFP检测阳性pa 15.8555 10.21072 40 40.000 alpha_ag 120.7943 62.04790 40 40.000 hp 321.8357 249.33407 40 40.000 alpha_at 492.4633 151.32253 40 40.000肝癌，AFP检测阴性pa 16.3145 7.80152 20 20.000 alpha_ag 55.2980 26.12832 20 20.000 hp 91.4700 126.45050 20 20.000 alpha_at 313.3080 55.59623 20 20.000肝硬化pa 21.9793 8.47264 15 15.000 alpha_ag 69.6187 50.46477 15 15.000hp 297.1527 210.05123 15 15.000alpha_at 314.7287 72.52736 15 15.000 合计pa 19.9554 9.77612 100 100.000 alpha_ag 86.7146 53.67732 100 100.000hp 255.8815 212.46384 100 100.000alpha_at 377.3982 140.18786 100 100.000汇聚的组内矩阵pa alpha_ag hp alpha_at相关性pa 1.000 -.112 .119 -.290alpha_ag -.112 1.000 .456 .528hp .119 .456 1.000 .484alpha_at -.290 .528 .484 1.000分析 1协方差矩阵的均等性的箱式检验对数行列式group 秩对数行列式正常人 4 25.055肝癌，AFP检测阳性 4 32.930肝癌，AFP检测阴性 4 26.634肝硬化 4 29.759汇聚的组内 4 30.930打印的行列式的秩和自然对数是组协方差矩阵的秩和自然对数。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
SPSS操作方法：判别分析例题实验指导之二判别分析的SPSS软件的基本操作[实验例题] 为研究1991年中国城镇居民月平均收入状况，按标准化欧氏平方距离、离差平方和聚类方法将30个省、市、自治区．分为三种类型。
试建立判别函数，判定广东、西藏分别属于哪个收入类型。
判别指标及原始数据见表9-4。
1991年30个省、市、自治区城镇居民月平均收人数据表单位：元／人x1：人均生活费收入x6：人均各种奖金、超额工资(国有+集体)x2：人均国有经济单位职工工资x7：人均各种津贴(国有+集体)x3：人均来源于国有经济单位标准工资x8：人均从工作单位得到的其他收入x4：人均集体所有制工资收入x9：个体劳动者收入x5：人均集体所有制职工标准工资样品序地区x1x2x3x4x5x6x7x8x9类序G11 北京170.03110.259.768.38 4.4926.8016.4411.90.412 天津141.5582.5850.9813.49.3321.3012.369.21 1.053 河北119.4083.3353.3911.07.5217.3011.7912.00.704 上海194.53107.860.2415.68.8831.0021.0111.80.165 山东130.4686.2152.3015.910.520.6l12.149.610.476 湖北119.2985.4153.0213.18.4413.8716.478.380.517 广西134.46 98.6148.188.90 4.3421.4926.1213.6 4.568 海南143.79 99.97 45.60 6.30 1.56 18.67 29.49 11.8 3.829 四川128.05 74.96 50.13 13.9 9.62 16.14 10.18 14.5 1.2110 云南127.41 93.54 50.57 10.5 5.87 19.41 21.20 12.6 0.9011 新疆122.96 101.4 69.70 6.30 3.86 11.30 18.96 5.62 4.62G21 山西102.49 71.72 47.72 9.42 6.96 13.12 7.9 6.66 0.612 内蒙古106.14 76.27 46.19 9.65 6.27 9.655 20.1O 6.97 0.963 吉林104.93 72.99 44.60 13.7 9.01 9.435 20.61 6.65 1.684 黑龙江103.34 62.99 42.95 11.1 7.4l 8.342 10.19 6.45 2.685 江西98.089 69.45 43.04 11.4 7.95 10.59 16.50 7.69 1.086 河南104.12 72.23 47.31 9.48 6.43 13.14 10.43 8.30 1.117 贵州108.49 80.79 47.52 6.06 3.42 13.69 16.53 8.37 2.858 陕西113.99 75.6 50.88 5.21 3.86 12.94 9.492 6.77 1.279 甘肃114.06 84.31 52.78 7.81 5.44 10.82 16.43 3.79 1.1910 青海108.80 80.41 50.45 7.27 4.07 8.371 18.98 5.95 0.8311 宁夏115.96 88.2l 51.85 8.81 5.63 13.95 22.65 4.75 0.97G31 辽宁128.46 68.91 43.4l 22.4 15.3 13.88 12.42 9.01 1.412 江苏135.24 73.18 44.54 23.9 15.2 22.38 9.661 13.9 1.193 浙江162.53 80.11 45.99 24.3 13.9 29.54 10.90 13.0 3.474 安徽111.77 71.07 43.64 19.4 12.5 16.68 9.698 7.02 0.635 福建139.09 79.09 44.19 18.5 10.5 20.23 16.47 7.67 3.086 湖南124.00 84.66 44.05 13.5 7.47 19.11 20.49 10.3 1.76待判1 广东211.30 114.0 41.44 33.2 11.2 48.72 30.77 14.9 11.12 西藏175.93 163.8 57.89 4.22 3.37 17.81 82.32 15.7 0.00贝叶斯判别的SPSS操作方法：1. 建立数据文件2．单击Analyze→Classify→Discriminant，打开Discriminant Analysis判别分析对话框如图1所示：图1 Discriminant Analysis判别分析对话框3．从对话框左侧的变量列表中选中进行判别分析的有关变量x1~x9进入Independents 框，作为判别分析的基础数据变量。
从对话框左侧的变量列表中选分组变量Group进入Grouping Variable框，并点击Define Range...钮，在打开的Discriminant Analysis: Define Range对话框中，定义判别原始数据的类别数，由于原始数据分为3类，则在Minimum（最小值）处输入1，在Maximum（最大值）处输入3（见图2）。
选择后点击Continue按钮返回Discriminant Analysis 主对话框。
图2 Define Range对话框4、选择分析方法✧Enter independent together 所有变量全部参与判别分析（系统默认）。
本例选择此项。
✧Use stepwise method 采用逐步判别法自动筛选变量。
单击该项时Method 按钮激活，打开Stepwise Method对话框如图3所示，从中可进一步选择判别分析方法。
图3 Stepwise Method对话框✧Method栏，选择变量的统计量方法Wilks’lambda （默认）按统计量Wilks λ最小值选择变量；Unexplained variance ：按照所有组方差之和最小值选择变量；Mahalanobis’distance：按照相邻两组的最大马氏距离选择变量；Smallest F ratio：按组间最小F值比的最大值选择变量；Rao’s V按照统计量Rao V最大值选择变量。
✧Criteria 选择逐步回归的标准（略）选择系统默认项。
5.单击Statistics 按钮，打开Statistics对话框如图4所示，从中指定输出的统计量。
✧Descriptives描述统计量栏Means -各类中各自变量的均值，标准差std Dev 和各自变量总样本的均值和标准差（本例选择）。
Univariate ANOV----对各类中同一自变量均值都相等的假设进行检验，输出单变量的方差分析结果（本例选择）。
Box’s M --对各类的协方差矩阵相等的假设进行检验（本例选择）。
图4 Statistics对话框✧Function coefficients 选择输出判别函数系数Fisherh’s 给出贝叶斯判别函数系数（本例选择）Unstandardized 给出未标准化的典型判别（也称典则判别）系数（费舍尔判别函数）。
✧Matrices 栏选择给出的自变量系数矩阵Within-groups correlation 合并类内相关系数矩阵（本例选择）Within-groups covariance 合并类内协方差矩阵（本例选择）Separate-groups covariance 各类内协方差矩阵（本例选择）Total covariance 总协方差矩阵（本例选择）6.单击Classify按钮，打开Classify对话框如图5所示：图5 Classify对话框✧Prior Probabilities栏，选择先验概率。
All groups equal 各类先验概率相等（系统默认）；Compute from groups sizes 各类的先验概率与其样本量成正比. （本例选择）✧Use Covariance Matrix 栏，选择使用的协方差矩阵Within-groups --使用合并类内协方差矩阵进行分类（系统默认）（本例选择）Separate-groups --使用各类协方差矩阵进行分类✧Display栏，选择生成到输出窗口中的分类结果Casewise results 输出每个观测量包括判别分数实际类预测类(根据判别函数求得的分类结果)和后验概率等。
Summary table 输出分类的小结给出正确分类观测量数(原始类和根据判别函数计算的预测类相同)和错分观测量数和错分率（本例选择）。
Leave-one-out classification 输出交互验证结果。
✧Plots栏，要求输出的统计图Combined-groups 生成一张包括各类的散点图（本例选择）；Separate-groups 每类生成一个散点图；Territorial map 根据生成的函数值把各观测值分到各组的区域图。
（本例选择）6.单击Save 按钮，打开Save对话框，见图6.图6 Save对话框✧Predicted group membership 建立一个新变量，系统根据判别分数，把观测量按后验概率最大指派所属的类；（本例选择）✧Discriminant score 建立表明判别得分的新变量，该得分是由未标准化的典则判别函数计算。
（本例选择）✧Probabilities of group membership 建立新变量表明观测量属于某一类的概率。
有m 类，对一个观测量就会给出m 个概率值，因此建立m 个新变量。
（本例选择）全部选择完成后，点击OK，得到输出结果如下：Analysis Case Processing Summary 分类样本综述Unweighted Cases N PercentValid 28 93.3 Excluded Missing or out-of-range group codes 2 6.7At least one missing discriminating0 .0variableBoth missing or out-of-range group codesand at least one missing discriminating0 .0variableTotal 2 6.7Total 30 100.0Group Statistics 各类统计分析分类Mean Std. Valid N (listwise)均值Deviation有效样本数标准差Unweighted Weighted 1 人均生活费收入(元/人）139.2664 23.35125 11 11.000人均国有经济单位职工工资93.0918 11.38829 11 11.000 人均来源于国有经济单位标准工资53.9882 6.80530 11 11.000 人均集体所有制工资收入11.2073 3.44937 11 11.000 人均集体所有制职工标准工资 6.7645 2.89685 11 11.000人均各种奖金、超额工资(国有+集19.8082 5.55600 11 11.000体)人均各种津贴(国有+集体) 17.8327 6.23305 11 11.000 均从工作单位得到的其他收入11.0018 2.56135 11 11.000 个体劳动者收入 1.6736 1.74528 11 11.000 2 人均生活费收入(元/人）107.3099 5.56641 11 11.000人均国有经济单位职工工资75.9064 7.17233 11 11.000 人均来源于国有经济单位标准工资47.7536 3.42090 11 11.000 人均集体所有制工资收入9.0827 2.45900 11 11.000 人均集体所有制职工标准工资 6.0409 1.77266 11 11.000人均各种奖金、超额工资(国有+集11.2775 2.15323 11 11.000体)人均各种津贴(国有+集体) 15.4375 5.11023 11 11.000 均从工作单位得到的其他收入 6.5773 1.38350 11 11.000 个体劳动者收入 1.3845 .73428 11 11.000 3 人均生活费收入(元/人）133.5150 17.11642 6 6.000人均国有经济单位职工工资76.1700 6.06280 6 6.000 人均来源于国有经济单位标准工资44.3033 .91825 6 6.000 人均集体所有制工资收入20.3333 4.09031 6 6.000 人均集体所有制职工标准工资12.4783 3.04592 6 6.000人均各种奖金、超额工资(国有+集20.3033 5.39344 6 6.000体)人均各种津贴(国有+集体) 13.2732 4.34722 6 6.000 均从工作单位得到的其他收入10.1500 2.80907 6 6.000 个体劳动者收入 1.9233 1.11631 6 6.000 Total 人均生活费收入(元/人）125.4796 22.22549 28 28.000人均国有经济单位职工工资82.7143 12.09003 28 28.000 人均来源于国有经济单位标准工资49.4636 6.09033 28 28.000 人均集体所有制工资收入12.3282 5.36546 28 28.000 人均集体所有制职工标准工资7.7046 3.54143 28 28.000人均各种奖金、超额工资(国有+集体)16.5630 6.10883 28 28.000人均各种津贴(国有+集体) 15.9147 5.54104 28 28.000 均从工作单位得到的其他收入9.0811 2.98513 28 28.000 个体劳动者收入 1.6136 1.26601 28 28.000 Tests of Equality of Group Means每个变量各类均值相等的检验Wilks' Lambda F df1 df2 Sig.人均生活费收入(元/人）.542 10.567 2 25 .000人均国有经济单位职工工资.506 12.226 2 25 .000人均来源于国有经济单位标准工资.583 8.923 2 25 .001人均集体所有制工资收入.338 24.429 2 25 .000人均集体所有制职工标准工资.478 13.672 2 25 .000人均各种奖金、超额工资(国有+集体) .497 12.664 2 25 .000人均各种津贴(国有+集体) .898 1.425 2 25 .259均从工作单位得到的其他收入.516 11.715 2 25 .000个体劳动者收入.972 .354 2 25 .705Pooled Within-Groups Matrices(a) 合并类内协方差阵和相关矩阵人均生活费收入(元/人）人均国有经济单位职工工资人均来源于国有经济单位标准工资人均集体所有制工资收入人均集体所有制职工标准工资人均各种奖金、超额工资(国有+集体)人均各种津贴(国有+集体)人均从工作单位得到的其他收入个体劳动者收入Covari ance人均生活费收入(元/人）289.101 92.215 24.694 9.270 -.438 64.106 15.828 9.298-1.158 人均国有经济单位职92.215 79.806 23.013 -13.98-14.1018.999 31.151 -2.229 2.386工工资 4 4人均来源于国有经济单位标准工资24.694 23.013 23.374 -3.496 -2.063 1.925 -1.878 -5.027 -.052人均集体所有制工资收入9.270-13.984-3.496 10.524 7.877 3.113 -7.158 1.660-1.67人均集体所有制职工标准工资-.438-14.104-2.063 7.877 6.469 .484 -7.895 .665-1.611人均各种奖金、超额工资(国有+集体)64.106 18.999 1.925 3.113 .484 20.020 .398 4.724 -.782 人均各种津贴(国有+集体)15.828 31.151 -1.878 -7.158 -7.895 .398 29.766 -.704 2.849 均从工作单位得到的其他收入9.298 -2.229 -5.027 1.660 .665 4.724 -.704 4.968 -.020 个体劳动者收入-1.158 2.386 -.052 -1.670 -1.611 -.782 2.849 -.020 1.683Correla tion人均生活费收入(元/人）1.000 .607 .300 .168 -.010 .843 .171 .245 -.053 人均国有经济单位职工工资.607 1.000 .533 -.483 -.621 .475 .639 -.112 .206 人均来源于国有经济单位标准工资.300 .533 1.000 -.223 -.168 .089 -.071 -.466 -.008 人均集体所有制工资收入.168 -.483 -.223 1.000 .955 .214 -.404 .230 -.397 人均集体所有制职工标准工资-.010 -.621 -.168 .955 1.000 .043 -.569 .117 -.488 人均各种奖金、超额工资(国有+集体).843 .475 .089 .214 .043 1.000 .016 .474 -.135 人均各种津贴(国有+集体).171 .639 -.071 -.404 -.569 .016 1.000 -.058 .402 均从工作单位得到的其他收入.245 -.112 -.466 .230 .117 .474 -.058 1.000 -.007 个体劳动者收入-.053 .206 -.008 -.397 -.488 -.135 .402 -.007 1.000a The covariance matrix has 25 degrees of freedom.Covariance Matrices(a)类内协方差矩阵和总协方差阵分类人均生活费收入(元/人）人均国有经济单位职工工资人均来源于国有经济单位标准工资人均集体所有制工资收入人均集体所有制职工标准工资人均各种奖金、超额工资(国有+集体)人均各种津贴(国有+集体)均从工作单位得到的其他收入个体劳动者收入1 人均生活费收入(元/人）545.281179.030 37.98513.286-1.453 116.976 35.808 13.315-10.859人均国有经济单位职工工资179.03129.693 35.643-18.802-20.620 33.023 46.461 -2.168 5.263人均来源于国有经济单位标准工资37.985 35.643 46.312 -3.559 -1.186 -.665 -6.736 -10.545 .482人均集体所有制工资收入13.286 -18.802 -3.55911.8989.560 5.957 -12.699 1.012 -4.445人均集体所有制职工标准工资-1.453 -20.620 -1.186 9.560 8.392 1.919 -14.117 -.005 -3.647人均各种奖金、超额工资(国有+集体) 116.97633.023 -.665 5.957 1.919 30.869 5.415 6.027 -3.897人均各种津贴(国有+集体) 35.808 46.461 -6.736-12.699-14.117 5.415 38.851 1.994 6.789均从工作单位得到的其他收入13.315 -2.168-10.5451.012 -.005 6.027 1.994 6.560 -.697个体劳动者收入-10.859 5.263 .482 -4.445 -3.647 -3.897 6.789 -.697 3.046 2 人均生活费收入(元/人）30.985 32.281 16.743 -8.701 -6.425 3.911 8.151 -4.843 -.269人均国有经济单位职工工资32.281 51.442 20.556 -9.294 -7.498 5.980 21.768 -5.232 -1.357人均来源于国有经济单位标准工资16.743 20.556 11.703 -6.005 -4.172 3.025 2.431 -2.925 -.978人均集体所有制工资收入-8.701 -9.294 -6.005 6.047 4.231 -2.419 2.394 .261 .004 人均集体所有制职工标准工资-6.425 -7.498 -4.172 4.231 3.142 -1.380 .196 .155 -.106 人均各种奖金、超额工资(国有+集体)3.911 5.980 3.025 -2.419 -1.3804.636 -2.436 .506 -.145人均各种津贴(国有+集体)8.151 21.768 2.431 2.394 .196 -2.436 26.114 -2.255 -.323均从工作单位得到的其他收入-4.843 -5.232 -2.925 .261 .155 .506 -2.255 1.914 .307 个体劳动者收入-.269 -1.357 -.978 .004 -.106 -.145 -.323 .307 .5393 人均生活费收入(元/人）292.97238.451 14.01337.17813.567 78.758 -8.776 29.547 16.466人均国有经济单位职工工资38.451 36.758 2.665-13.73-14.286 16.990 19.297 3.658 4.120人均来源于国有经济单位标准工14.013 2.665 .843 1.649 .400 4.905 -.783 1.806 .732资人均集体所有制工资收入37.178 -13.730 1.64916.73111.802 8.488 -15.180 5.753 .532人均集体所有制职工标准工资13.567 -14.286 .40011.8029.278 1.340 -11.632 3.026 -.549人均各种奖金、超额工资(国有+集体)78.758 16.990 4.905 8.488 1.340 29.089 -3.967 10.556 4.171人均各种津贴(国有+集体) -8.776 19.297 -.783-15.18-11.632 -3.967 18.898 -2.998 1.312均从工作单位得到的其他收入29.547 3.658 1.806 5.753 3.026 10.556 -2.998 7.891 .680 个体劳动者收入16.466 4.120 .732 .532 -.549 4.171 1.312 .680 1.246To tal人均生活费收入(元/人）493.973182.382 51.72240.60615.154 123.390 24.245 39.841 1.513 人均国有经济单位职工工资182.382146.169 52.685-20.328-19.362 40.532 42.118 11.447 2.648 人均来源于国有经济单位标准工资51.722 52.685 37.092-12.222-7.958 7.157 5.158 -.595 -.133 人均集体所有制工资收入40.606 -20.328-12.22228.78818.414 15.043 -11.572 5.872 -.720 人均集体所有制职工标准工资15.154 -19.362 -7.95818.41412.542 6.755 -10.523 2.711 -1.031 人均各种奖金、超额工资(国有+集体)123.3940.532 7.15715.0436.755 37.318 1.737 13.194 .106 人均各种津贴(国有+集体)24.245 42.118 5.158-11.572-10.523 1.737 30.703 .708 2.548 均从工作单位得到的其他收入39.841 11.447 -.595 5.872 2.711 13.194 .708 8.911 .335 个体劳动者收入 1.513 2.648 -.133 -.720 -1.031 .106 2.548 .335 1.603a The total covariance matrix has 27 degrees of freedom.Box's Test of Equality of Covariance Matrices 协方差矩阵相等的检验分类RankLogDeterminant1 9 14.0872 9 1.5733 .(a) .(b)Pooledwithin-groups9 15.603The ranks and natural logarithms of determinants printed are those of the group covariance matrices.a Rank < 6b Too few cases to be non-singularTest Results(a)检验结果Box's M 195.630F Approx. 2.155df1 45df2 1314.073Sig. .000a Some covariance matrices are singular and the usual procedure will not work. Thenon-singular groups will be tested against their own pooled within-groups covariance matrix. The log of its determinant is 17.611.注意，检验没有通过，即各类的协方差相等的假设在显著性水平下是不成立的。