SPSS-判别分析

结构系数 ---structural cofficient ---structural
结构系数又称为判别负载(discriminant loading)，实际上 结构系数又称为判别负载(discriminant loading)，实际上 是某个判别变量x 与判别值y之间的相关系数，它表达了 是某个判别变量xi与判别值y之间的相关系数，它表达了 两者之间的拟合水平：绝对值很大（接近+1或 两者之间的拟合水平：绝对值很大（接近+1或-1），这 个函数表达的信息与这个变量表达的信息几乎完全相同， 接近0 接近0，两者之间几乎没什么共同之处 结构系数有两种，一种是总结构系数（识别函数所携带 的在分组间进行鉴别的信息），另一种是组内结构系数 主要考虑的是组内相关(Pooled within主要考虑的是组内相关(Pooled within-groups correlations) 又称为组内结构系数(within又称为组内结构系数(within-groups structure coefficient)， coefficient)， 表示函数与分组内部变量的紧密联系程度
在主对话框中， 在主对话框中， 单击Classify按纽 按纽， 单击Classify按纽， 展开Classification对话框 展开Classification对话框
1. 2. 3.
Prior Probabilities---All groups equal Use Covariance Matrix---Within groups Plots---Combined groups,Separate groups,
Eigenvalue i Can. Corr = 1+ Eigenvalue
i
值越大 在这一判别轴上分组差异越 值越大，在这一判别轴上分组差异越明显 分组差异
剩余判别指标 ---Wilks’ Lambda ---Wilks’
当资料来源于一个样本， 当资料来源于一个样本，计算出判别函数而又想推断 它在判别总体案例时的情况涉及到的统计显著性问题。 它在判别总体案例时的情况涉及到的统计显著性问题。 剩余”的含义： “剩余”的含义：在之前计算的判别函数已经提取过 原始信息后， 原始信息后，剩余的变量信息对于判别分组的能力 间接地进行判别函数的显著性检验，其值越小表示越 间接地进行判别函数的显著性检验，其值越小 高的判别力
各组重心坐标值
Functions at Group Centroids Function GROUP 1 1 -2.178 2 1.867 Unstandardized canonical discriminant functions evaluated at group means
利用Fisher判别函数计算出各观测值具体坐标后， 判别函数计算出各观测值具体坐标后， 利用 判别函数计算出各观测值具体坐标后 再计算出离各重心的距离， 再计算出离各重心的距离，则可得知分类情况
Territorial map 4. Display---Summary table, Casewise results， ， Leave-one-out classification
1 W s′ Lam ilk bda = ∏ i 1+ Eigenvalue
I
i
剩余判别指标 ---Wilks’ Lambda ---Wilks’
实际上，在得到SPSS关于判别函数的输出结果后， 关于判别函数的输出结果后， 实际上，在得到SPSS关于判别函数的输出结果后 首先要检查的就是剩余判别力的检验， 首先要检查的就是剩余判别力的检验，以评价到哪 一步是有意义的。在出现不显著的结果以后， 一步是有意义的。在出现不显著的结果以后，就用 不着进一步分析后面给出的判别函数了， 不着进一步分析后面给出的判别函数了，而应将注 意力转向判别系数、结构系数及判别力指数的分析。 意力转向判别系数、结构系数及判别力指数的分析。 有时，即使一个函数统计上显著， 有时，即使一个函数统计上显著，但其他指标表明 其判别作用不大时，也可以略去不用。 其判别作用不大时，也可以略去不用。
本例中只有两组， 本例中只有两组，所以产生一个判别函数 特征值为4.807，解释了 特征值为 ，解释了100%的变异 的变异 典型相关系数为0.910，在判别轴上的分组差异明显 典型相关系数为 ，
Wilks统计量 Wilks统计量
Wilks' Lambda Test of Function(s) 1 Wilks' Lambda .172 Chi-square 13.193 df 7 Sig. .068
X1 X2 X3 X4 X5 X6 X7
判别函数受变 量x1、x5的影 响较大， 响较大，也可 以理解为这两 个变量对 “group”判别 判别 能力较强
Y = -0.676∗ ZX1 + 0.224*ZX2 + 0.092*ZX3 − 0.145*ZX4 1 +1.123*ZX5 + 0.297*ZX6 − 0.354*ZX7
比较各变量对判别值的相对作用程度：哪个变量的标准化 系数的绝对值大，就意味着它对判别值有较大 系数的绝对值大，就意味着它对判别值有较大影响
根据判别系数可以写出判别函数的具体形式。若有了 判别变量值代入后，即可得到样品在空间中的位置
Bayes判别系数 Bayes判别系数
Bayes判别系数可以直接进行一个样品的 Bayes判别系数可以直接进行一个样品的 判断 最大的一个值对应的分组便是判别分组
使用默认值进行判别分析
选用数据文件8.sav 选用数据文件8.sav 移入Independents框 将x1, x2,…, x7移入Independents框 Group移入 移入Grouping Variables框 将Group移入Grouping Variables框 对输出结果的认识
SPSS
“判别分析”的计算机实现 判别分析”
SPSS---Discriminant SPSS---Discriminant
Discriminant
Analyze Classifly Discriminant …
三种情形下的判别分析
使用SPSS默认选项进行判别分析 使用SPSS默认选项进行判别分析 SPSS 使用选择项进行判别分析 进行逐步判别分析
SPSS中使用的判别方法 SPSS中使用的判别方法
SPSS的Discriminant过程中默认情况下使用的是 SPSS的Discriminant过程中默认情况下使用的是 Fisher判别，给出的是标准化的Fisher判别函数 Fisher判别，给出的是标准化的Fisher判别函数 的系数 在指定选项后也可以给出Bayes判别的结果。但 在指定选项后也可以给出Bayes判别的结果。但 容易引起误会的是，用于输出Bayes判别的复选 容易引起误会的是，用于输出Bayes判别的复选 框的名字恰恰就叫Fisher！这是因为按判别函数 框的名字恰恰就叫Fisher！这是因为按判别函数 值最大的一组进行归类这种思想是Fisher提出的， 值最大的一组进行归类这种思想是Fisher提出的， 故而SPSS会如此命名。 故而SPSS会如此命名。
判别分析的参数指标
1. 2. 3. 4. 5. 6.
判别系数(函数系数)---function 判别系数(函数系数)---function coefficient Bayes判别系数 Bayes判别系数 结构系数---structural 结构系数---structural coefficient 组重心---group 组重心---group centroid 方差百分比)---percent 判别指数 (方差百分比)---percent of variance 剩余判别指标---Wilks’ 剩余判别指标---Wilks’ Lambda
组重心---group 组重心---group centroid
组重心是描述在判别空间中每一类的中 心位置 每个判别函数值是每类在Hale Waihona Puke Baidu判别轴上的 坐标值
判别指数 (方差百分比) 方差百分比) ---percent of variance ---percent
判别指数 (potency index)有时更直接地称为方差百 index)有时更直接地称为方差百 分比(percent variance)，所表示的值越大 分比(percent of variance)，所表示的值越大说明分 组差异越显著，即该判别函数对总的判别结果影 组差异越显著，即该判别函数对总的判别结果影 响越明显（判别能力越强）。 在判别分析中，一个判别函数所代表的方差量用 所对应的特征值(eigenvalue)来相对表示，即组间 所对应的特征值(eigenvalue)来相对表示，即组间 偏差平方和与组内偏差平方和之比 典型相关系数Canonical 典型相关系数Canonical correlations
结构系数矩阵
Structure Matrix Function 表中数据是按大小 1 X5 .661 依次排序的各判别 X2 .506 变量与判别函数间 X4 .452 的相关系数 X1 -.333 X3 -.174 X6 .050 X7 .039 Pooled within-groups correlations between discriminating variables and standardized canonical discriminant functions Variables ordered by absolute size of correlation within function.
使用选择项进行判别分析
选用数据文件8.sav 选用数据文件8.sav 移入Independents框 将x1, x2,…, x7移入Independents框 Group移入 移入Grouping Variables框 将Group移入Grouping Variables框 对输出结果的认识
1.选择分类参数
Function Coefficients 复选框
SPSS中判别方法的选择 SPSS中判别方法的选择 , Fisher s：给出Bayes判别函数，而不是 Fisher 判别函数 Unstandardized ：给出 Fisher判别法建立的判 别函数的未标准化系数。由于可以将实测值直 接代入方程计算判别得分，该系数使用起来较 标准化系数更方便一些。
判别函数达到0.068的显著性水平，或者说在 的显著性水平， 判别函数达到 的显著性水平 0.1的显著性水平下，此判别函数是显著的。 的显著性水平下， 的显著性水平下 此判别函数是显著的。
Fisher判别函数的标准化系数 Fisher判别函数的标准化系数
Standardized Canonical Discriminant Function Coefficients Function 1 -.676 .224 .092 -.145 1.123 .297 -.354
特征值分析
Eigenvalues Function Eigenvalue 1 4.807a a. First 1 canonical discriminant functions were used in the analysis. % of Variance 100.0 Cumulative % 100.0 Canonical Correlation .910
判别系数(函数系数) 判别系数(函数系数) ---function coefficient ---function
非标准化判别系数(unstandardized 非标准化判别系数(unstandardized discriminant coefficient) ---非标准化判别函数是用来计算判别值 ---非标准化判别函数是用来计算判别值 (discriminant score)的 score)的 标准化判别系数（standardized 标准化判别系数（standardized discriminant coefficient） coefficient）