华东理工大学多元统计分析与SPSS应用实验 (6).doc

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 Variables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、 使用默认值进行判别分析打开“data14-04.sav”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， 如图1.1所示，单击OK输入结果如图1.2、图1.3、图1.4、图1.5所示图1.1图1.2分析：总体样本为150个，有效样本数为150个，占总数的100%，无效或者未分组的样本数为0个。图1.3分析：图1.4为分组统计量列表分析：图1.4为Fisher判别法的两个Fisher判别函数特征值。Function1的特征值为30.419，解释了99%的变异.典型相关系数为0.984。Function2的判别函数的特征值为0.293，解释了1%的变异.典型相关系数为0.476。其特征值是组间平方和与组内平方和之比。图1.5分析：图1.5为WilksLambda的值，0.025表示判别函数具有较高的判别力，概率P值.000,判别效果显著；0.774表示判别函数，可能存在不显著变量，应当可以考虑逐步判别法，判别函数具有较低的判别力，概率P值.000，判别效果显著。图1.6分析：图1.6标准化后费希尔判别函数系数图1.7分析：图为1.7为结构系数又称为判别负载，实际上是某个判别变量xi与判别值y之间的相关系数，它表达了两者之间的拟合水平：绝对值很大（接近+1或-1），这个函数表达的信息与这个变量表达的信息几乎完全相同，接近0，两者之间几乎没什么共同之处。图1.8分析：图1.8为各判别函数组重心矩阵2、 使用选择项进行判别分析(1)打开“data14-04.sav”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，在主对话框中，单击Classify按纽，展开Classification，对话框，Prior Probabilities中选择All groups equal，Use Covariance Matrix中选择Within groups，Plots中选择Combined groups,Separate groups, Territorial map，Display中选择Summary table，Casewise results.单击Continue.如图2.1所示图2.1(2) 在主对话框中，单击Statistics按纽，展开Statistics对话框，Descriptives中选择Means，Function Coefficients中选择Fishers，Unstandardized，Matrices中选择Within-groups correlation, Within-groups covariance, Separate-groups covariance,Total covariance。如图2.2所示图2.2(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、Probabilities of group membership”如图2.3所示(4)单击OK，输出结果如图2.4分析：总体样本为150个，有效样本数为150个，占总数的100%，无效或者未分组的样本数为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判别函数的特征值。Function 1的特征值为30.419，解释了99%的变异.典型相关系数为0.984。Function 2的特征值为0.293，解释了1%的变异.典型相关系数为0.476。分析：上图为Wilks Lambda的值(其值越小越好)0.025表示判别函数很好且判别效果显著； 0.774表示判别函数不好但判别效果显著。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，则可得知分类情况。 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 -12.0 -8.0 -4.0 .0 4.0 8.0 12.0 12.0 12 23 12 23 12 23 12 23 12 23 12 23 8.0 12 23 12 23 12 23 12 23 12 23 12 23 4.0 12 23 12 23 12 23 12 23 12 23 12 23 * .0 * 12 23 12 * 23 12 23 12 23 12 23 12 23 -4.0 12 23 12 23 12 23 12 23 12 23 12 23 -8.0 12 23 12 23 12 23 12 23 12 23 12 23 -12.0 12 23 -12.0 -8.0 -4.0 .0 4.0 8.0 12.0 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分别为100%，96%，98%3、 逐步判别法打开“discrim.sav”，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 检验值在第0步中，ALPHA_AT为0.539最小，选入判别函数，PA在第1步中选入判别函数。分析：图为各步WilksLambda 统计量，概率P值均为.000小于显著性水平0.05.分析：上图为判别指数和判别函数的显著性检验分析：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，如图4.1所示(2) 依次选择AnalyzeClassify Discriminant，将所有变量移入In