精选多元统计分析-实验四资料

实验4判别分析一、实验内容1、实验目的为了研究特定地区的人口死亡情况，将已知的15个样本以某种方式分成3类，通过指标和原始数据的判别分析和判别功能的构建，判断了进一步判断的4个样本是什么样的。2、实验要求找出更适合判断要判定的标本是哪一类的判别方法。二、实验报告1、提出问题为了调查特定地区的人口死亡情况，以某种方式将15个已知标本分为3个类别，并通过判别分析判断4个额外的待定样品属于哪些类别。2、选择指标选择以下6个指针：X1: 0岁组死亡概率X2: 1岁组的死亡概率X3: 10岁组的死亡概率X4: 55岁组的死亡概率X5: 80岁组死亡概率X6:平均寿命3、数据源表4-1原始数据X1: 0岁组死亡概率X2: 1岁组的死亡概率X3: 10岁组的死亡概率X4: 55岁组的死亡概率X5: 80岁组死亡概率X6:平均寿命组序号X1 X2 X3X4 X5 X6第一一个组1234534.16 7.44 1.1233.06 6.34 1.0836.26 9.24 1.0440.17 13.45 1.4350.06 23.03 2.837.87 95.19 69.306.77 94.08 69.708.97 97.30 68.8013.88 101.20 66.2023.74 112.52 63.30第一第二个组1234533.24 6.24 1.1832.22 4.22 1.0641.15 10.08 2.3253.04 25.74 4.0638.03 11.20 6.0722.90 160.01 65.4020.70 124.70 68.7032.84 172.06 65.8534.87 152.03 63.5027.84 146.32 66.80第一三个组1234534.03 5.41 0.0732.11 3.02 0.0944.12 15.12 1.0854.17 25.03 2.1128.07 2.01 0.075.20 90.10 69.503.14 85.15 70.8015.15 103.12 64.8025.15 110.14 63.703.02 81.22 68.30待定判决样品产品123450.22 6.66 1.0834.64 7.33 1.1133.42 6.22 1.1244.02 15.36 1.0722.54 170.60 65.207.78 95.16 69.3022.95 160.31 68.3016.45 105.30 64.204、数据处理观测分析结果，表格中的资料没有无效值或缺少值，因此无需处理。5、程序表4-2序号X1X2X3X4X5X6组134.167.441.127.8795.1969.31233.066.341.086.7794.0869.71336.269.241.048.9797.368.81440.1713.451.4313.88101.266.21550.0623.032.8323.74112.5263.31633.246.241.1822.9160.0165.42732.224.221.0620.7124.768.72841.1510.082.3232.84172.0665.852953.0425.744.0634.87152.0363.521038.0311.26.0727.84146.3266.821134.035.410.075.290.169.531232.113.020.093.1485.1570.831344.1215.121.0815.15103.1264.831454.1725.032.1125.15110.1463.731528.072.010.073.0281.2268.33150.226.661.0822.54170.665.2234.647.331.117.7895.1669.3333.426.221.1222.95160.3168.3444.0215.361.0716.45105.364.2(1)根据表4-2，在SPSS数据表中输入数据。(2)AnalyzeClassifyDiscriminant展开“判别分析”对话框。(3)如果group选择变量作为解释变量，转到“Grouping Variable(分组变量)”框，打开“Define Range(定义范围)”，在Minimum后填充1，在Maximum后填充3，则表示分成三个组。选取X1、x2、x3、x4、X5和X6变数做为解析变数，并将其移动至Independents方块。再次单击“Enter independents together(输入所有变量)”单选按钮。(4)选择需要输出的统计信息。在主对话框中，单击Statistics按钮，展开选择统计信息对话框，然后展开说明统计信息Means、Univariate ANOVAs、选择函数Fisher函数和Unstandardized(非规范化函数)、选择矩阵Within-groups correlation(5)在主对话框中，单击“类别”按钮，展开“选择分类”对话框，然后选择“先验概率”(所有组相等或根据组大小计算概率)。从子选项中选取每个对象的验证原则：“结果”(Casewise results)、“摘要表”(Summary Table)和“留下一个”(Leave-one-out classification):选取协方差矩阵Within；选择图片Combined-groups。(6)单击“保存”(Save)选项以保存预测的分类、判别分数和所属类别的概率(7)在主对话框中，单击OK提交运行。结果节从下表4-3到表4-8。表4-3各组的平均等效试验Tests of Equality of Group MeansWilks LambdafDf1Df2西格。0岁组死亡概率.997.019212.9811岁组死亡概率.990.061212.94110岁组的死亡概率.6453.301212.07255岁组死亡概率.4387.690212.00780岁组的死亡概率.17428.557212.000平均预期寿命.926.478212631表4-4贝叶斯判别函数的有效性测试Wilks LambdaFunction of test (s)Wilks Lambdachi squareDf西格。1通2.01043.94812.0002.5914.9995.416表4-5非标准贝叶斯判别函数的系数canonical discriminant function coefficientsFunction120岁组死亡概率-1.950-.8781岁组死亡概率1.7481.16910岁组的死亡概率-.930-.36555岁组死亡概率.825-.08680岁组的死亡概率.102.054平均预期寿命1.662.706(Constant)-78.896-30.330Unstandardized coefficients表4-第6类中心Functions at Group Centroids组Function121-2.6471.01329.444-.2593-6.797-.754unstandardized canonical discriminant functions evaluated at group means表4-7各种分类函数的系数class ification function coefficients组1230岁组死亡概率-159.015-181.479-149.3701岁组死亡概率168.068187.715158.74910岁组的死亡概率-98.413-109.195-93.90855岁组死亡概率58.21768.29654.94880岁组的死亡概率11.70212.86211.185平均预期寿命202.770221.972194.625(Constant)-5628.382-6584.377-5266.780fisher linear discriminant functions表4-8预测分类结果汇总Classification Resultsa组Predicted Group Membership总计123OriginalCount150052050530055Ungrouped cases11241100.0.0.0100.02.0100.0.0100.03.0.0100.0100.0Ungrouped cases25.025.050.0100.0A.100.0% of original grouved cases correctly classified。6、分析结果(1)表4-3显示了各组的平均值相同的测试结果。请注意：在5%显著性水平上，接受变量“0岁组死亡概率”、“1岁组死亡概率”、“10岁组死亡概率”和“平均预期寿命”这三个组平均相同的假设，并接受变量“55岁组死亡概率”和“80岁组死亡概率”这三个假设由此可见，进一步的输出结果分析是有意义的。(2)表4-4是贝叶斯判别函数的验证结果。最后一列Sig。(1 through 2)=0.0000.01和Sig。(0.417)0.05知道第一个判别函数具有统计显著性。也就是说，第一个判别函数很好地区分两个类，而第二个判别函数没有统计显著性。(3)表4-5显示了未标准化贝叶斯判别函数的系数。您可以从表格中取得两个判别函数：y1=-78.8961.950 x1 1.748 x20.930 x3 0.825 x4 0.102 X5 1.662 X6y2=-30.3300.878 x1 1.169 x20.365 x3-0.086 x4 0.054 X5 0.706 X6(4)表4-6反映了各组的标准贝叶斯判别函数的中心。根据结果，第一组重心为(-2.647，1.013)，第二组重心为(9.444，-0.259)，第三组重心为(-6.797，-0.754)。非正则化贝叶斯判别函数的中心值在每个变量的平均值中。(5)表4-7显示了利用判别函数对观测测量进行分类的结果，即费舍线性判别函数的系数。根据系数表，可以概括以下各种判别函数：第一组：f1=-159.015 x1 168.068 x2-98.413 x3 58.217 x4 11.702 X5 202.77 X6-5628.382第二组：F2=-181.479 x1 187.715 x2-109.195 x3 68.296 x4 12.862 x 5221.972 X6-6584.377第三组：F3=-149.370 x 1158.749 x2-93.908 x