多元统计分析判别分析方法+步骤+分析总结

1、判别分析： 实验步骤： 1. 在SPSS窗口中选择：分析-分类-判别，将变量导入自变量框中， group导入分组变 量中，选择定义范围，最小为 1最大为3,并选择一起输入自变量，点击继续 2. 点击统计量，描述性中选择“均值”，“单变量”和”Box”，选择函数系数中的“Fisher” “未标准化”，矩阵中选择“组内相关”，点击继续 点击继续 3. Bootstrap(0)r 点击分类 承臣吩 先验般率 所有组相等蚀） O根据粗大小计真 使用协方差矩阵 在组 O分蛆（E） 输出 - - 图 - M个系结果任 d舍并组（2） 将个案限制在前ty： 分组） 摘要表Q9 ririf is IL区域图C

2、D 不考虑该个案时的分类也） 埴埴判别分析判别分析 统计量统计量. 保存巴. 4. 点击“保存”，三个框均选中，点击继续 5. 点击确定 实验结果分析： 1.表1组统计量 看各个总体在均值等指标上的值是否接近，若接近说明各类之间在该指标差异不大 表2 组均值的均等性的检验 Wilks 的 Lambda F df1 df2 Sig. 0岁组死亡概率 .997 .019 2 12 .981 1岁组死亡概率 .990 .063 2 12 .939 10岁组死亡概率 .645 3.301 2 12 .072 55岁组死亡概率 .438 7.690 2 12 .007 80岁组死亡概率 .174 28.

3、557 2 12 .000 平均预期寿命 .926 .478 2 12 .631 由表中看到第一二六个指标的 sig值很大，说明拒绝原假设，在总体间差异不大 表3汇聚的组内矩阵 汇聚的组内矩阵 0岁组死亡概率 1岁组死亡概率 10岁组死亡概率 55岁组死亡概率 80岁组死亡概率 平均 相关性 0岁组死亡概率 1.000 .990 .624 .964 .660 1岁组死亡概率 .990 1.000 .661 .943 .605 10岁组死亡概率 .624 .661 1.000 .632 .323 55岁组死亡概率 .964 .943 .632 1.000 .759 物物河别分折河别分折 S3 重

4、置重置（旦）（旦）取消取消 6岳学 中助中助 B). 80岁组死亡概率 .660 .605 .323 .759 1.000 平均预期寿命 -.873 -.890 -.505 -.906 -.731 若自变量之间存在高度相关，则判别分析价值不大，但并不严格，允许出现一定的相关 表4协方差矩阵的均等性的箱式检验 检验结果p值0.05时，说明协方差矩阵相等，可以进行 bayes检验 表5 特征值 函数 特征值 方差的% 累积% 正则相关性 1 56.169a 98.8 98.8 .991 2 a .693 1.2 100.0 .640 a.分析中使用了前2个典型判别式函数 由表5看出，函数1的特征值

5、很大，对判别的贡献大 表6 标准化的典型判别式函数系数 函数 1 2 0岁组死亡概率 -16.268 -7.575 1岁组死亡概率 13.969 9.746 10岁组死亡概率 -1.232 -.499 55岁组死亡概率 6.173 -.689 80岁组死亡概率 1.284 .709 平均预期寿命 4.100 1.791 表7 给出非标准化的典型判别函数系数 典型判别式函数系数 函数 1 2 0岁组死亡概率 -1.861 -.867 1岁组死亡概率 1.656 1.155 10岁组死亡概率 -.877 -.356 55岁组死亡概率 .798 -.089 80岁组死亡概率 .098 .054 平均

6、预期寿命 1.579 .690 （常量） -74.990 -29.482 典型判别式函数系数 函数 1 2 0岁组死亡概率 -1.861 -.867 1岁组死亡概率 1.656 1.155 10岁组死亡概率 -.877 -.356 55岁组死亡概率 .798 -.089 80岁组死亡概率 .098 .054 平均预期寿命 1.579 .690 （常量） -74.990 -29.482 由表7可知，两个Fisher别函数分别为 山=-74.99 -1.861 Xi 1.656 X 2 - 0.877 X3 0.798 X4 0.098 X 5 1.579 X& y2 = -29.482

7、- 0.867 X1 1.155 X2 - 0.356 X3 - 0.089 X 4 0.054 X5 0.69 X 表8结构矩阵 结构矩阵 函数 1 2 0岁组死亡概率 * .008 -.001 80岁组死亡概率 .288 * -.388 55岁组死亡概率 .149 * -.199 10岁组死亡概率 .098 * .106 1岁组死亡概率 .007 * .104 平均预期寿命 -.036 * .091 该表是原始变量与典型变量（标准化的典型判别函数）的相关系数，相关系数的 绝对值越大，说明原始变量与这个判别函数的相关性越强 表9组重心处的函数 组质心处的函数 group 函数 1 2 第一类

8、 -2.594 1.013 第二类 9.194 -.257 第三类 -6.600 -.756 由表9可知各类别重心的位置，通过计算观测值与各重心的距离， 距离最小的即 为该观测值的分类。 表10给出贝叶斯判别函数系数 分类函数系数 group 第一类 第二类 第三类 0岁组死亡概率 -143.851 -164.691 -134.862 1岁组死亡概率 153.137 171.185 144.462 10岁组死亡概率 -90.088 -99.976 -85.945 55岁组死亡概率 53.009 62.525 49.972 80岁组死亡概率 11.008 12.094 10.520 平均预期寿命 189.261 207.003 181.714 （常量） -5317.234 -6202.158 -4982.880 通过表10写出Bayes判别函数分别为： 第一类： 巳=-