判别分析4[精选].doc

实验报告 经贸 系 统计 专业 08 级 01 班 39 号 实验人 刘海英 实验地点： 实训楼B305 实验日期： 2011-11-10 实验题目： 判别分析 实验类型： 基本操作 实验目的：掌握判别分析的基本原理及方法 实验内容： 数据文件记录了850位过去和潜在客户的财务和人口统计信息。前700个个案是以前曾获得贷款的客户。剩下的150个个案是潜在客户，获贷款的客户被分为履约与违约两类。使用判别分析法来分析潜在客户的贷款风险。 使用一般判别分析的方法，分析潜在客户，同时写出标准化的判别函数和非标准化的判别函数。 使用逐步判别法，分析潜在客户。判断哪些变量归入到判别函数中，并写出标准化和非标准化的函数。 实验步骤： 一、使用一般判别分析的方法： 1、打开数据选择“分析—分类—判别”在判别分析对话框中:分组变量中选择“违约”，定义范围为“0”到“1”；自变量选择“年龄、教育、工龄、地址、收入、负债率、信用卡负债、其他负债”； 2、在“统计量-函数系数”中选择“Fisher、未标准化”，单击“继续”； 3、在分类对话框中选择：“不考虑该个案时的分类”，单击“继续”； 4、在保存对话框中选择：“预测组成员” 单击“继续”；最后“确定”。 二、使用逐步判别法： 1、打开数据选择“分析—分类—判别”在判别分析对话框中:分组变量中选择“违约”，定义范围为“0”到“1”；自变量选择“年龄、教育、工龄、地址、收入、负债率、信用卡负债、其他负债”，选择“使用步进式方法”； 2、选择“统计量—Fisher、未标准化”，单击“继续”； 3、在分类对话框中选择：“不考虑该个案时的分类”，单击“继续”； 4、在保存对话框中选择：“预测组成员” 单击“继续”；最后“确定”。 实验结果： 一、使用一般判别分析的方法： 1、标准化的判别函数： 特征值： 特征值 函数 特征值 方差的 % 累积 % 正则相关性 1 .405a 100.0 100.0 .537 a. 分析中使用了前 1 个典型判别式函数。 图表表明第一个典型判别式函数解释了变量100%的数字特征。 Wilks 的 Lambda 函数检验 Wilks 的 Lambda 卡方 df Sig. 1 .712 236.117 8 .000 第一个函数的Lambda值为0.712，p值为0.0000.05拒绝原假设，表明函数显著. 标准化的典型判别式函数系数： 标准化的典型判别式函数系数 函数 1 年龄 .122 教育水平 .072 当前地址居住年限 -.313 当前雇方工作年限 -.794 家庭收入（千元） .179 负债收入比率（x100） .604 信用卡负债（千元） .568 其他负债（千元） -.186 Y =0.122X*1+0.072X*2-0.794X*3-0.313X*4+0.179X*5+0.604X*6+0.586X*7-0.186X*8 3、非标准化的判别函数： 典型判别式函数系数 函数 1 年龄 .015 教育水平 .078 当前地址居住年限 -.046 当前雇方工作年限 -.124 家庭收入（千元） .005 负债收入比率（x100） .096 信用卡负债（千元） .276 其他负债（千元） -.057 (常量) -.705 非标准化系数 Y=-0.705+0.015X1+0.078X2-0.124X3-0.046X4+0.005X5+0.096X6+0.276X7-0.057X8 分类结果b,c 是否曾经违约 预测组成员 合计 否 是 初始 计数 否 398 119 517 是 45 138 183 未分组的案例 100 50 150 % 否 77.0 23.0 100.0 是 24.6 75.4 100.0 未分组的案例 66.7 33.3 100.0 交叉验证a 计数 否 394 123 517 是 48 135 183 % 否 76.2 23.8 100.0 是 26.2 73.8 100.0 a. 仅对分析中的案例进行交叉验证。 在交叉验证中，每个案例都是按照从该案例以外的所有其他案例派生的函数来分类的。 b. 已对初始分组案例中的 76.6% 个进行了正确分类。 c. 已对交叉验证分组案例中的 75.6% 个进行了正确分类。 在一般判别分析中，通过前70