—判别的实现.docVIP

判别分析 判别分析的步骤： 1、各总体均值向量的差异性检验。有差异，判别分析有意义，否则无意义 2、各总体协差阵的差异性检验。无差异，则为线性判别函数，否则为非线性判别函数。 3、…… §7 判别分析在SPSS中的实现 一、判别分析对话框 Grouping Variable—分类变量 Define Range—分类变量的数值范围 Independent—判别分析自变量 Enter independent together—全部变量进入判别分析 Use stepwise method—逐步判别分析 Select((—选择参入判别分析的样品（此步可省略） Statistics…—指定输出的统计量 Method…—（逐步）判别方法 Classify…—分类参数和分类结果 Save…—生成并保存新变量 二、Statistics—指定输出的统计量对话框 Descriptives描述统计量 Means 输出自变量和总样本的均值、标准差 Univariate ANOVAs 单因素方差分析，进行各总体各变量的均值检验 Box’s M 进行各总体协差阵齐性检验 Function Coefficient判别函数系数的输出 Fisher’s 给出贝叶斯（而不是费歇【注】）判别函数系数 Unstandardized 给出非标准化费歇判别函数系数（若不选此项，则给出标准化判别系数） 【注】此复选框的名称之所以用“Fisher’s”而不用“Bayes”，是因为，按判别函数值最大的一组进行归类这种思想最先是由费歇提出来的。这里特别容易混淆，应特别注意。 Matrices自变量的系数矩阵 Within-groups correlation 组内相关阵 Within-groups covariance 组内协差阵 Separate-groups covariance 组间协差阵，每类输出一协差阵 Total covariance 总协差阵 三、逐步判别对话框 Method逐步判别方法 Wilks’ lambda (统计量最小化法 Unexplained variance 不可解释的方差和最小化法 Mahalanobis distance 最近两类间的马氏距离最小化法 Smallest F ratio 任意两类间的最小F值最大化法 Rao’s V Rao-V统计量最大化法 V-to-enter 对进入变量的V值指定最小增量 Criteria逐步判别停止标准（判据） Use F value 变量的F值≥a时，才进入模型 Entry：a Removal：b 变量的F值≤b时，才移出模型 Use probability of F 同上 Display显示 Summary of steps 变量选择的每一步均显示统计量 F for pairwise distance 显示两类间的F值矩阵 四、Classify指定分类参数和分类结果对话框 Prior Probability All group equal 各类先验概率相等 Compute from group size 由各类样本量比例计算决定 Display显示 Casewise result 输出样品的判别得分、实际类、判别类、后验概率 Limit cases to first 输出前n条样品的判别结果 Summary table 输出分类小结，给出正判数和误判数及比率 Leave-one-out 刀切法 Use Covariance Matrix Within-groups 用合并协差阵判别 Separate-groups 用各协差阵判别 Plot图形 Combined-groups 前两个判别函数的散点图（全部组别） Separate-groups 前两个判别函数的散点图（单个组别） Territorial map 分区图 Replace missing value with mean用均值代替缺失值 注：只有当分类的个数，自变量的个数时，才会给出各样品的前两个判别得分的散点图。 六、Save…指定生成并保存的新变量对话框 Predicted group membership 各样品的回判类别 Discriminant score 各样品的判别得分 Probability of group membership 各样品回判类别的概率 §8 判别分析在Statistica中的实现 1、判别分析（DA） Statistics ( Multivariate Exploratory Techniques ( Discriminant Analysis ( Varia