SPSS教程Discriminant分类分析.doc

SPSS教程：Discriminant分类分析10.3.1 主要功能 调用此过程可完成判别分析。判别分析目前在医学中得以广泛应用，不仅在于它所建立的判别式可用于临床辅助诊断，而且判别分析可分析出各种因素对特定结果的作用力大小，故亦可用于病因学或疾病预后的推测。 10.3.2 实例操作 例10.3为研究舒张期血压和血浆胆固醇对冠心病的作用，某医师测定了50-59岁冠心病人15例和正常人16例的舒张压和胆固醇指标，结果如下，试作判别分析，建立判别函数以便在临床中用于筛选冠心病人。 编号冠心病人组编号正常人组舒张压kPa x1胆固醇mmol/L x2舒张压kPa x1 胆固醇mmol/L x21 2 3 4 5 6 7 8 9 10 11 12 13 14 159.86 13.33 14.66 9.33 12.80 10.66 10.66 13.33 13.33 13.33 12.00 14.66 13.33 12.80 13.335.18 3.73 3.89 7.10 5.49 4.09 4.45 3.63 5.96 5.70 6.19 4.01 4.01 3.63 5.961 2 3 4 5 6 7 8 9 10 11 12 13 14 15 1610.66 12.53 13.33 9.33 10.66 10.66 9.33 10.66 10.66 10.66 10.40 9.33 10.66 10.66 11.20 9.332.07 4.45 3.06 3.94 4.45 4.92 3.68 2.77 3.21 5.02 3.94 4.92 2.69 2.43 3.42 3.63 10.3.2.1 数据准备 激活数据管理窗口，舒张压、胆固醇的变量名分别以x1、x2表示，将冠心病人资料和正常人资料合并，一同输入。而后，再定义一变量名为result，用于区分冠心病人资料和正常人资料，即冠心病人资料的result值均为1，正常人资料的result值均为2。 10.3.2.2 统计分析 激活Statistics菜单选Classify中的Discriminant.项，弹出Discriminant Analysis对话框（图10.5）。从对话框左侧的变量列表中选result，点击钮使之进入Grouping Variable框，并点击Define Range.钮，在弹出的Discriminant Analysis:Define Range对话框中，定义判别原始数据的类别区间，本例为两类，故在Minimum处输入1、在Maximum处输入2，点击Continue钮返回Discriminant Analysis对话框。再从对话框左侧的变量列表中选x1、x2，点击钮使之进入Independents框，作为判别分析的基础数据变量。 图10.5 判别分析对话框 系统提供两类判别方式供选择，一是Enter Independent together，即判别的原始变量全部进入判别方程；另一是Use stepwise method，即采用逐步的方法选择变量进入方程。对于后者，系统有5种逐步选择方式： Wilks lambda：按统计量Wilks 最小值选择变量； Unexplained variance：按所有组方差之和的最小值选择变量； Mahalanobis distance：按相邻两组的最大Mahalanobis距离选择变量； Smallest F ratio：按组间最小F值比的最大值选择变量； Raos V：按统计量Rao V最大值选择变量。 本例由于变量数仅为2个，倾向让两个变量均进入方程，故选用Enter Independent together判别方式。点击Statistics.钮，弹出Discriminant Analysis: Statistics对话框，在Descriptive栏中选Means项，要求对各组的各变量作均数与标准差的描述；在Function Coefficients栏中选Unstandardized项，要求显示判别方程的非标准化系数。之后，点击Continue钮返回Discriminant Analysis对话框。点击Classify.钮，弹出Discriminant Analysis: Classification对话框，在Plot栏选Combined groups项，要求作合并的判别结果分布图；在Display栏选Results for each case项，要求对原始资料根据建立的判别方程作逐一回代重判别，同时选Summary table项，要求对这种回代判别结果进行总结评价。之后，点击Continue钮返回Discriminant Analysis对话框。 点击Save.钮，弹出Discriminant Analysis: Save New Variables对话框，选Predicted group membership项要求将回代判别的结果存入原始数据库中。点击Continue钮返回Discriminant Analysis对话框，之后再点击OK钮即完成分析。 10.3.2.3 结果解释 在结果输出窗口中将看到如下统计数据： 首先，系统提示将判别回代的结果以变量名DIS_1存于原始数据库中。 接着系统显示数据按变量RESULT分组，共31个样本作为判别基础数据进入分析，其中第一组15例，第二组16例。同时，分组给出各变量的均数（means）与标准差（standard deviations）。 Following variables will be created upon successful completion of the procedure: Name Label - - DIS_1 - Predicted group for analysis 1 On groups defined by RESULT 31 (Unweighted) cases were processed. 0 of these were excluded from the analysis. 31 (Unweighted) cases will be used in the analysis. Number of cases by group Number of cases RESULT Unweighted Weighted Label 1 15 15.0 2 16 16.0 Total 31 31.0 Group means RESULT X1 X2 1 12.49400 4.86800 2 10.62875 3.66250 Total 11.53129 4.24581 Group standard deviations RESULT X1 X2 1 1.64064 1.12948 2 1.09681 .92467 Total 1.65996 1.18231 On groups defined by RESULT Analysis number 1 Direct method: all variables passing the tolerance test are entered. Minimum tolerance level. .00100 Canonical Discriminant Functions Maximum number of functions. 1 Minimum cumulative percent of variance. 100.00 Maximum significance of Wilks Lambda. 1.0000 Prior probability for each group is .50000 下面为典型判别方程的方差分析结果，其特征值（Eigenvalue）即组间平方和与组内平方和之比为1.2392，典型相关系数（Canonical Corr）为0.7439，Wilks 值为0.446597，经2检验，2为22.571，P0的为冠心病人，判别分0的为正常人。 Canonical Discriminant Functions Pct of Cum Canonical After Wilks Fcn Eigenvalue Variance Pct Corr Fcn Lambda Chi-square df Sig : 0 .446597 22.571 2 .0000 1* 1.2392 100.00 100.00 .7439 : * Marks the 1 canonical discriminant functions remaining in the analysis. Standardized canonical discriminant function coefficients Func 1 X1 .88431 X2 .82306 Structure matrix: Pooled within-groups correlations between discriminating variables and canonical discriminant functions (Variables ordered by size of correlation within function) Func 1 X1 .62454 X2 .54396 Unstandardized canonical discriminant function coefficients Func 1 X1 .6379195 X2 .8001452 (Constant) -10.7532968 Canonical discriminant functions evaluated at group means (group centroids) Group Func 1 1 1.11198 2 -1.04248 下面为原始数据逐一回代的判别结果显示。其中病人组有3人被错判（编号为1、6、7，打*者），正常人组有3人被错判（编号为17、18、25，打*者）。接着用分布图的形式显示判别结果，图中1代表病人，2代表正常人，每四个1或2代表一个人；图中可见，有三个病人跨过0界进入负值区，被错判为正常人，也有三个正常人跨过0界进入正值区，被错判为病人。最后系统对回代判别的情况作评价，即病人组判别正确率为80.0%，正常人组为81.3%，总判别正确率为80.65%。 Case Mis Actual Highest Probability 2nd Highest Discrim Number Val Sel Group Group P(D/G) P(G/D) Group P(G/D) Scores 1 1 * 2 .4692 .6817 1 .3183 -.3187 2 1 1 .7060 .8188 2 .1812 .7347 3 1 1 .5490 .9737 2 .0263 1.7112 4 1 1 .8162 .8606 2 .1394 .8795 5 1 1 .4884 .9784 2 .0216 1.8049 6 1 * 2 .7174 .8236 1 .1764 -.6805 7 1 * 2 .5157 .7151 1 .2849 -.3924 8 1 1 .6475 .7918 2 .2082 .6547 9 1 1 .1594 .9953 2 .0047 2.5190 10 1 1 .2305 .9926 2 .0074 2.3110 11 1 1 .4577 .9806 2 .0194 1.8546 12 1 1 .4869 .9785 2 .0215 1.8072 13 1 1 .8782 .8798 2 .1202 .9588 14 1 1 .4264 .6473 2 .3527 .3166 15 1 1 .1594 .9953 2 .0047 2.5190 16 2 2 .2097 .9935 1 .0065 -2.2968 17 2 * 1 .7554 .8389 2 .1611 .8005 18 2 * 1 .3611 .5874 2 .4126 .1986 19 2 2 .5442 .9741 1 .0259 -1.6489 20 2 2 .5157 .7151 1 .2849 -.3924 21 2 2 .3048 .5275 1 .4725 -.0164 22 2 2 .4154 .9833 1 .0167 -1.8570 23 2 2 .4876 .9785 1 .0215 -1.7367 24 2 2 .7323 .9551 1 .0449 -1.3846 25 2 * 1 .2945 .5156 2 .4844 .0637 26 2 2 .9393 .8963 1 .1037 -.9664 27 2 2 .8590 .8741 1 .1259 -.8648 28 2 2 .4483 .9812 1 .0188 -1.8007 29 2 2 .3339 .9879 1 .0121 -2.0087 30 2 2 .8647 .8759 1 .1241 -.8721 31 2 2 .3928 .9847 1 .0153 -1.8970 Symbols used in plots Sy