1、华东理工大学多元统计分析与SPSS应用实验华东理工大学20132014 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Grouping Variables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Grouping Variable
2、s框3.逐步判别法实验要求:熟悉SPSS中判别分析功能 Analyze Classify Discriminant2. 对“Employee data”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AnalyzeClassify Discriminant,将变量“slen,swid,plen,pwid”移入Independents框,将变量“spno”移入Grouping Variables框,单击Grouping Variables框,再在Define Range弹出框中,Minimum输入1,Maximum输入2, 如下图,单击OK
3、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WilksLambda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
4、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AnalyzeClassify Discriminant,将变量“slen,swid,plen,pwid”移入Independents框,将变量“spno”移入Grouping Variables框,单击Grouping Vari
5、ables框,再在Define Range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,Prior Probabilities当选择All groups equal,Use Covariance Matrix当选择Within groups,Plots当选择Combined groups,Separate groups, Territorial map,Display当选择Summary table,Casewise results.单击Continue.如下图图(2)在主对话框中,单击Statistic
6、s按纽,展开Statistics对话框,Descriptives当选择Means,Function Coefficients当选择Fishers,Unstandardized,Matrices当选择Within-groups correlation, Within-groups covariance, Separate-groups covariance,Total covariance。如下图图(3)在主对话框中,单击Save按纽,展开Save New Variables的对话框,选择“Predicted group membership、Descriminant Scores、Probab
7、ilities of group membership”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。Function 1的特点值为,说明了99%的变异.典型相关系数为。Function 2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
8、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。 Territorial MapCanonical DiscriminantFunction 2 .0 12 23 12 23 12 23 12 23 12 23 12 23 12 23 12 23 12 23 12 23 12 23 12 23 12 23 12 23 12 23 12 23 12 23 12 23 *
9、 .0 * 12 23 12 * 23 12 23 12 23 12 23 12 23 12 23 12 23 12 23 12 23 12 23 12 23 12 23 12 23 12 23 12 23 12 23 12 23 12 23 .0 Canonical Discriminant Function 1Symbols used in territorial mapSymbol Group Label- - - 1 1 刚毛鸢尾花 2 2 变色鸢尾花 3 3 佛吉尼亚鸢尾花 * Indicates a group centroid分析:上图显示各类正确判别率别离为100%,96%,9
10、8%3、慢慢判别法打开“”,将pa,alpha_ag,alpha_at,hp移入Independents框,将group移入Grouping Variables框,在主对话框中,选择 Use stepwise method,单击 Method 按纽,展开 Stepwise method 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,Wilks Lambda 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WilksLambda 统
11、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:CropPain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AnalyzeClassify Discriminant,将所有变量移入Independents框,将变量“Clu4_1”移入Grouping Variables框,单击Grouping Variables框,再在Define Range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
copyright@ 2008-2022 冰豆网网站版权所有
经营许可证编号:鄂ICP备2022015515号-1