华东理工大学多元统计分析与SPSS应用实验.docx
《华东理工大学多元统计分析与SPSS应用实验.docx》由会员分享，可在线阅读，更多相关《华东理工大学多元统计分析与SPSS应用实验.docx（22页珍藏版）》请在冰豆网上搜索。
华东理工大学多元统计分析与SPSS应用实验
华东理工大学2013—2014学年第二学期
《多元统计分析与SPSS应用》实验报告6
班级学号姓名
开课学院商学院任课教师任飞成绩
实验内容：
实验6判别分析方法
1.使用默认值进行判别分析
选用数据文件data14-04
将slen,swid,plen,pwid移入Independents框
将spno移入GroupingVariables框
对输出结果的认识
2.使用选择项进行判别分析
选用数据文件data14-04
将slen,swid,plen,pwid移入Independents框
将spno移入GroupingVariables框
3.逐步判别法
实验要求：
熟悉SPSS中判别分析功能
Analyze
Classify
Discriminant
2.对“Employeedata”进行数据整理
教师评语：
教师签名：
年月日
实验报告：
1、利用默许值进行判别分析
打开“”文件，依次选择Analyze→Classify→Discriminant，将变量“slen,swid,plen,pwid”移入Independents框，将变量“spno”移入GroupingVariables框，单击GroupingVariables框，再在DefineRange弹出框中，Minimum输入1，Maximum输入2，如下图，单击OK输入结果如图、图、图、图所示
图
图
分析：
整体样本为150个，有效样本数为150个，占总数的100%，无效或未分组的样本数为0个。
图
分析：
图为分组统计量列表
分析：
图为Fisher判别法的两个Fisher判别函数特点值。
Function1的特点值为，说明了99%的变异.典型相关系数为。
Function2的判别函数的特点值为，说明了1%的变异.典型相关系数为。
其特点值是组间平方和与组内平方和之比。
图
分析：
图为Wilks'Lambda的值，表示判别函数具有较高的判别力，概率P值.000,判别成效显著；表示判别函数，可能存在不显著变量，应当能够考虑慢慢判别法，判别函数具有较低的判别力，概率P值.000，判别成效显著。
图
分析：
图标准化后费希尔判别函数系数
图
分析：
图为为结构系数又称为判别负载，事实上是某个判别变量xi与判别值y之间的相关系数，它表达了二者之间的拟合水平：
绝对值专门大（接近+1或-1），那个函数表达的信息与那个变量表达的信息几乎完全相同，接近0，二者之间几乎没什么一起的地方。
图
分析：
图为各判别函数组重心矩阵
2、利用选择项进行判别分析
（1）打开“”文件，依次选择Analyze→Classify→Discriminant，将变量“slen,swid,plen,pwid”移入Independents框，将变量“spno”移入GroupingVariables框，单击GroupingVariables框，再在DefineRange弹出框中，Minimum输入1，Maximum输入2，在主对话框中，单击Classify按纽，展开Classification，对话框，PriorProbabilities当选择Allgroupsequal，UseCovarianceMatrix当选择Withingroups，Plots当选择Combinedgroups,Separategroups,Territorialmap，Display当选择Summarytable，Casewiseresults.单击Continue.
如下图
图
（2）在主对话框中，单击Statistics按纽，展开Statistics对话框，Descriptives当选择Means，FunctionCoefficients当选择Fisher’s，Unstandardized，Matrices当选择Within-groupscorrelation,Within-groupscovariance,Separate-groupscovariance,Totalcovariance。
如下图
图
（3）在主对话框中，单击Save按纽，展开SaveNewVariables的对话框，选择“Predictedgroupmembership、DescriminantScores、Probabilitiesofgroupmembership”如下图
（4）单击OK，输出结果如图~
分析：
整体样本为150个，有效样本数为150个，占总数的100%，无效或未分组的样本数为0。
分析：
由上图可知各项均值，标准差，有效样本个数。
分析：
上图为组内协方差和相关系数矩阵
分析：
上图为协方差矩阵
分析：
上图为Fisher判别法下两个个Fisher判别函数的特点值。
Function1的特点值为，说明了99%的变异.典型相关系数为。
Function2的特点值为，说明了1%的变异.典型相关系数为。
分析：
上图为Wilks’Lambda的值（其值越小越好）表示判别函数专门好且判别成效显著；表示判别函数不行但判别成效显著。
分析：
标准化后费歇尔费希尔判别函数系数
分析：
结构矩阵
分析：
费希尔判别函数矩阵
分析：
上图为各组重心坐标值。
利用Fisher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，那么可得知分类情形。
分析：
贝叶斯判别函数，有效样本为150个，无缺省样本或未知样本。
TerritorialMap
CanonicalDiscriminant
Function2
.0
1223
1223
1223
1223
1223
1223
1223
1223
1223
1223
1223
1223
1223
1223
1223
1223
1223
1223*
.0*1223
12*23
1223
1223
1223
1223
1223
1223
1223
1223
1223
1223
1223
1223
1223
1223
1223
1223
1223
.0
CanonicalDiscriminantFunction1
Symbolsusedinterritorialmap
SymbolGroupLabel
-------------------------------
11刚毛鸢尾花
22变色鸢尾花
33佛吉尼亚鸢尾花
*Indicatesagroupcentroid
分析：
上图显示各类正确判别率别离为100%，96%，98%
3、慢慢判别法
打开“”，将pa,alpha_ag,alpha_at,hp移入Independents框，将group移入GroupingVariables框，在主对话框中，选择Usestepwisemethod，单击Method按纽，展开Stepwisemethod的对话框
分析：
图为变量进入及删除表，剔除显著性较弱的变量，变量“ALPHA_AT”、“PA”进入判别函数。
分析：
进入判别分析的变量表
分析：
不在判别分析中的变量表，Wilk’sLambda查验值在第0步中，ALPHA_AT为最小，选入判别函数，PA在第1步当选入判别函数。
分析：
图为各步Wilks’Lambda统计量，概率P值均为.000小于显著性水平.
分析：
上图为判别指数和判别函数的显著性查验
分析：
Fisher判别函数的系数
分析：
原始样本始回代判别正确率，正常人84%，肝癌AFP检测阳性只有15%，肝癌AFP检测阴性只有15%，肝硬化只有33%。
4、作业：
对案例：
Crop’Pain连锁店展开判别分析讨论
（1）先用聚类分析将变量分成n组，比如4组，如下图
（2）依次选择Analyze→Classify→Discriminant，将所有变量移入Independents框，将变量“Clu4_1”移入GroupingVariables框，单击GroupingVariables框，再在DefineRange弹出框中，Minimum输入1，Maximum输入4，取得结果
分析：
判别函数各分类样本回代正确率均为100%，判别成效较好。
试探：
在判别分析中缺少分类变量的话，如何办？
能够考虑先用聚类分析生成份类变量
升级会员 