判别分析的一般步骤及SPSS实现
合集下载
相关主题
- 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)。
• 将对话框中的三个复选框均选中，单击Continue按钮返回。
判别分析的SPSS实现
图7.5 Save子对话框 6. 返回判别分析主界面，单击OK按钮，运行判别分析过程。
判别分析的SPSS实现
（二） 主要运行结果解释 1. Standardized Canonical Discriminant Function Coefficients（给出标准化的典型判别函数系数）
5. 单击Save按钮，指定在数据文件中生成代表判别分组结果和判别得分的新变量，生成的新变 量的含义分别为：
• Predicted group membership：存放判别样品所属组别的值； • Discriminant scores：存放Fisher判别得分的值，有几个典型判别函数就有几个判别得分变量； • Probabilities of group membership：存放样品属于各组的Bayes后验概率值。
图7.2 判别分析主界面
判别分析的SPSS实现
2. 点击Define Range按钮，定义分组变量的取值范围。本例中分类变量的范围为1到3，所以在 最小值和最大值中分别输入1和3。单击Continue按钮，返回主界面。
判别分析的SPSS实现
3. 单击Statistics…按钮，指定输出的描述统计量和判别函数系数。选中Function Coefficients 栏中的Fisher’s和Unstandardized。这两个选项的含义如下：
化的Fisher判别函数系数）。
判别分析的SPSS实现
• 注：由于SPSS中的判别分析没有距离判别这一方法，因此距离判别法无法在SPSS中直接 实现(但可以通过Excel等软件来进行手工计算)。
判别分析的SPSS实现
• 单击Continue按钮，返回主界面。
图7.3 Statistics子对话框
Fisher’s：给出Bayes判别函数的系数。（注意：这个选项不是要给出Fisher判别函数的系数。这个 复选框的名字之所以为Fisher’s，是因为按判别函数值最大的一组进行归类这种思想是由Fisher提 出来的。这里极易混淆，请注意辨别。）
Unstandardized：给出未标准化的Fisher判别函数（即典型判别函数）的系数（SPSS默认给出标准
X 4 ： 55岁组死亡概率 X5 ： 80岁组死亡概率 X6 ： 平均预期寿命
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 待判 待判 待判 待判
表7.1 各地区死亡概率表
X1
34.16 33.06 36.26 40.17 50.06 33.24 32.22 41.15 53.04 38.03 34.03 32.11 44.12 54.17 28.07 50.22 34.64 33.42 44.02
判别分析的一般步骤及SPSS实现
判别分析的逻辑框图
判别分析的SPSS实现
• 例1:为研究某地区人口死亡状况，已按某种方法将15个已知地区样品分为3类，指标含义及原 始数据如下。试建立判别函数，并判定另外4个待判地区属于哪类？
X1 ： 0岁组死亡概率 X 2 ：1岁组死亡概率 X 3 ： 10岁组死亡概率
X4
7.87 6.77 8.97 13.88 23.74 22.9 20.7 32.84 34.87 27.84 5.2 3.14 15.15 25.15 3.02 22.54 7.78 22.95 16.45
X5
95.19 94.08 97.3 101.2 112.52 160.01 124.7 172.06 152.03 146.32 90.1 85.15 103.12 110.14 81.22 170.6 95.16 160.31 105.3
X2Βιβλιοθήκη Baidu
7.44 6.34 9.24 13.45 23.03 6.24 4.22 10.08 25.74 11.2 5.41 3.02 15.02 25.03 2.01 6.66 7.33 6.22 15.36
X3
1.12 1.08 1.04 1.43 2.83 1.18 1.06 2.32 4.06 6.07 0.07 0.09 1.08 2.11 0.07 1.08 1.11 1.12 1.07
• 标准化的典型判别函数是由标准化的自变量通过Fisher判别法得到的，所以要得到标准化的典型判别得分， 代入该函数的自变量必须是经过标准化的。
2. Canonical Discriminant Function Coefficients（给出未标准化的典型判别函数系数）
• 未标准化的典型判别函数系数由于可以将实测的样品观测值直接代入求出判别得分，所以该系数使用起来 比标准化的系数要方便一些。见表7.2（a）。
4. 单击Classify…按钮，定义判别分组参数和选择输出结果。选择Display栏中的Casewise results，输出一个判别结果表，包括每个样品的判别分数、后验概率、实际组和预测组编号 等。其余的均保留系统默认选项。单击Continue按钮。
图7.4 Classify…子对话框
判别分析的SPSS实现
X6
69.3 69.7 68.8 66.2 63.3 65.4 68.7 65.85 63.5 66.8 69.5 70.8 64.8 63.7 68.3 65.2 69.3 68.3 64.2
类别
1 1 1 1 1 2 2 2 2 2 3 3 3 3 3 . . . .
(一) 操作步骤 1. 在SPSS窗口中选择Analyze→Classify→Discriminate，调出判别分析主界面，将左边的变量列表 中的“group”变量选入分组变量中，将 — 选入自变量中，并选择Enter independents togetherX单1 选按钮X6，即使用所有自变量进行判别分析。
判别分析的SPSS实现
• 由此表可知，两个Fisher判别函数分别为：
y1 74.99 1.861X1 1.656X 2 0.877 X3 0.798X 4 0.098X 5 1.579X 6 y2 29.482 0.867X1 1.155X 2 0.356X 3 0.089X 4 0.054X 5 0.69 X 6
判别分析的SPSS实现
图7.5 Save子对话框 6. 返回判别分析主界面，单击OK按钮，运行判别分析过程。
判别分析的SPSS实现
（二） 主要运行结果解释 1. Standardized Canonical Discriminant Function Coefficients（给出标准化的典型判别函数系数）
5. 单击Save按钮，指定在数据文件中生成代表判别分组结果和判别得分的新变量，生成的新变 量的含义分别为：
• Predicted group membership：存放判别样品所属组别的值； • Discriminant scores：存放Fisher判别得分的值，有几个典型判别函数就有几个判别得分变量； • Probabilities of group membership：存放样品属于各组的Bayes后验概率值。
图7.2 判别分析主界面
判别分析的SPSS实现
2. 点击Define Range按钮，定义分组变量的取值范围。本例中分类变量的范围为1到3，所以在 最小值和最大值中分别输入1和3。单击Continue按钮，返回主界面。
判别分析的SPSS实现
3. 单击Statistics…按钮，指定输出的描述统计量和判别函数系数。选中Function Coefficients 栏中的Fisher’s和Unstandardized。这两个选项的含义如下：
化的Fisher判别函数系数）。
判别分析的SPSS实现
• 注：由于SPSS中的判别分析没有距离判别这一方法，因此距离判别法无法在SPSS中直接 实现(但可以通过Excel等软件来进行手工计算)。
判别分析的SPSS实现
• 单击Continue按钮，返回主界面。
图7.3 Statistics子对话框
Fisher’s：给出Bayes判别函数的系数。（注意：这个选项不是要给出Fisher判别函数的系数。这个 复选框的名字之所以为Fisher’s，是因为按判别函数值最大的一组进行归类这种思想是由Fisher提 出来的。这里极易混淆，请注意辨别。）
Unstandardized：给出未标准化的Fisher判别函数（即典型判别函数）的系数（SPSS默认给出标准
X 4 ： 55岁组死亡概率 X5 ： 80岁组死亡概率 X6 ： 平均预期寿命
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 待判 待判 待判 待判
表7.1 各地区死亡概率表
X1
34.16 33.06 36.26 40.17 50.06 33.24 32.22 41.15 53.04 38.03 34.03 32.11 44.12 54.17 28.07 50.22 34.64 33.42 44.02
判别分析的一般步骤及SPSS实现
判别分析的逻辑框图
判别分析的SPSS实现
• 例1:为研究某地区人口死亡状况，已按某种方法将15个已知地区样品分为3类，指标含义及原 始数据如下。试建立判别函数，并判定另外4个待判地区属于哪类？
X1 ： 0岁组死亡概率 X 2 ：1岁组死亡概率 X 3 ： 10岁组死亡概率
X4
7.87 6.77 8.97 13.88 23.74 22.9 20.7 32.84 34.87 27.84 5.2 3.14 15.15 25.15 3.02 22.54 7.78 22.95 16.45
X5
95.19 94.08 97.3 101.2 112.52 160.01 124.7 172.06 152.03 146.32 90.1 85.15 103.12 110.14 81.22 170.6 95.16 160.31 105.3
X2Βιβλιοθήκη Baidu
7.44 6.34 9.24 13.45 23.03 6.24 4.22 10.08 25.74 11.2 5.41 3.02 15.02 25.03 2.01 6.66 7.33 6.22 15.36
X3
1.12 1.08 1.04 1.43 2.83 1.18 1.06 2.32 4.06 6.07 0.07 0.09 1.08 2.11 0.07 1.08 1.11 1.12 1.07
• 标准化的典型判别函数是由标准化的自变量通过Fisher判别法得到的，所以要得到标准化的典型判别得分， 代入该函数的自变量必须是经过标准化的。
2. Canonical Discriminant Function Coefficients（给出未标准化的典型判别函数系数）
• 未标准化的典型判别函数系数由于可以将实测的样品观测值直接代入求出判别得分，所以该系数使用起来 比标准化的系数要方便一些。见表7.2（a）。
4. 单击Classify…按钮，定义判别分组参数和选择输出结果。选择Display栏中的Casewise results，输出一个判别结果表，包括每个样品的判别分数、后验概率、实际组和预测组编号 等。其余的均保留系统默认选项。单击Continue按钮。
图7.4 Classify…子对话框
判别分析的SPSS实现
X6
69.3 69.7 68.8 66.2 63.3 65.4 68.7 65.85 63.5 66.8 69.5 70.8 64.8 63.7 68.3 65.2 69.3 68.3 64.2
类别
1 1 1 1 1 2 2 2 2 2 3 3 3 3 3 . . . .
(一) 操作步骤 1. 在SPSS窗口中选择Analyze→Classify→Discriminate，调出判别分析主界面，将左边的变量列表 中的“group”变量选入分组变量中，将 — 选入自变量中，并选择Enter independents togetherX单1 选按钮X6，即使用所有自变量进行判别分析。
判别分析的SPSS实现
• 由此表可知，两个Fisher判别函数分别为：
y1 74.99 1.861X1 1.656X 2 0.877 X3 0.798X 4 0.098X 5 1.579X 6 y2 29.482 0.867X1 1.155X 2 0.356X 3 0.089X 4 0.054X 5 0.69 X 6