华东理工大学多元统计分析与SPSS应用实验.docx

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