判别分析的一般步骤及SPSS实现.pptx

判别分析的一般步骤及SPSS实现;判别分析的逻辑框图;例1:为研究某地区人口死亡状况，已按某种方法将15个已知地区样品分为3类，指标含义及原始数据如下。试建立判别函数，并判定另外4个待判地区属于哪类？;表7.1 各地区死亡概率表; (一) 操作步骤 1. 在SPSS窗口中选择Analyze→Classify→Discriminate，调出判别分析主界面，将左边的变量列表中的“group”变量选入分组变量中，将 — 选入自变量中，并选择Enter independents together单选按钮，即使用所有自变量进行判别分析。; 2. 点击Define Range按钮，定义分组变量的取值范围。本例中分类变量的范围为1到3，所以在最小值和最大值中分别输入1和3。单击Continue按钮，返回主界面。 ; 3. 单击Statistics…按钮，指定输出的描述统计量和判别函数系数。选中Function Coefficients栏中的Fisher’s和Unstandardized。这两个选项的含义如下： Fisher’s：给出Bayes判别函数的系数。（注意：这个选项不是要给出Fisher判别函数的系数。这个复选框的名字之所以为Fisher’s，是因为按判别函数值最大的一组进行归类这种思想是由Fisher提出来的。这里极易混淆，请注意辨别。） Unstandardized：给出未标准化的Fisher判别函数（即典型判别函数）的系数（SPSS默认给出标准化的Fisher判别函数系数）。;注：由于SPSS中的判别分析没有距离判别这一方法，因此距离判别法无法在SPSS中直接实现(但可以通过Excel等软件来进行手工计算)。;单击Continue按钮，返回主界面。; 4. 单击Classify…按钮，定义判别分组参数和选择输出结果。选择Display栏中的Casewise results，输出一个判别结果表，包括每个样品的判别分数、后验概率、实际组和预测组编号等。其余的均保留系统默认选项。单击Continue按钮。; 5. 单击Save按钮，指定在数据文件中生成代表判别分组结果和判别得分的新变量，生成的新变量的含义分别为： Predicted group membership：存放判别样品所属组别的值； Discriminant scores：存放Fisher判别得分的值，有几个典型判别函数就有几个判别得分变量； Probabilities of group membership：存放样品属于各组的Bayes后验概率值。 将对话框中的三个复选框均选中，单击Continue按钮返回。; ; （二） 主要运行结果解释 1. Standardized Canonical Discriminant Function Coefficients（给出标准化的典型判别函数系数） 标准化的典型判别函数是由标准化的自变量通过Fisher判别法得到的，所以要得到标准化的典型判别得分，代入该函数的自变量必须是经过标准化的。 2. Canonical Discriminant Function Coefficients（给出未标准化的典型判别函数系数） 未标准化的典型判别函数系数由于可以将实测的样品观测值直接代入求出判别得分，所以该系数使用起来比标准化的系数要方便一些。见表7.2（a）。;由此表可知，两个Fisher判别函数分别为： 实际上两个函数式计算的是各观测值在各个维度上的坐标，这样就可以通过这两个函数式计算出各样品观测值的具体空间位置。;表7.2（a） 未标准化的典型判别函数系数; 3. Functions at Group Centroids（给出组重心处的Fisher判别函数值） 如表7.2 (b) 所示，实际上为各类别重心在空间中的坐标位置。这样，只要在前面计算出各观测值的具体坐标位置后，再计算出它们分别离各重心的距离，就可以得知它们的分类了。; 4. Classification Function Coefficients（给出Bayes判别函数系数） 如表7.3所示，Group栏中的每一列表示样品判入相应列的Bayes判别函数系数。在本例中，各类的Bayes判别函数如下： 第一组： 第二组： 第三组： ;将各样品的自变量值代入上述三个Bayes判别函数，得到三个函数值。比较这三个函数值，哪个函数值比较大就可以判断该样品判入哪一类。例如，将第一个待判样品的自变量值分别代入函数，得到： F1=3793.77， F2=3528.32， F3=3882.48 比较三个值，可以看出第一个待判样品应该属于第三组。;表7.3 Bayes判别法的输出结果; 5.