判别分析数学建模.pptVIP

如果就用这个数据，但不用所有的变量，而只用4个变量进行判别：企业规模（is）、服务(se)、雇员工资比例(sa)、资金周转速度(cs)。结果的图形和判别的正确与否就不一样了。下图为两个典则判别函数导出的150个企业的二维点图。它不如前面的图那么容易分清楚了01原先的图02Disc.sav例子Disc.sav例子下面是基于4个变量时分类结果表：这个表的结果是有87个点（96.7%）得到正确划分，有3个点被错误判别；其中第二类有两个被误判为第一类，有一个被误判为第三类。训练样本中必须有所有要判别的类型，分类必须清楚，不能有混杂。01要选择好可能由于判别的预测变量。这是最重要的一步。当然，在应用中，选择的余地不见得有多大。02要注意数据是否有不寻常的点或者模式存在。还要看预测变量中是否有些不适宜的；这可以用单变量方差分析（ANOVA）和相关分析来验证。03判别分析是为了正确地分类，但同时也要注意使用尽可能少的预测变量来达到这个目的。使用较少的变量意味着节省资源和易于对结果进行解释。04判别分析要注意什么？在计算中需要看关于各个类的有关变量的均值是否显著不同的检验结果（在SPSS选项中选择Wilks’Lambda、Rao’sV、TheSquaredMahalanobisDistance或TheSumofUnexplainedVariations等检验的计算机输出），以确定是否分类结果是仅仅由于随机因素。1此外成员的权数（SPSS用priorprobability，即“先验概率”，和贝叶斯统计的先验概率有区别）需要考虑；一般来说，加权要按照各类观测值的多少，观测值少的就要按照比例多加权。2对于多个判别函数，要弄清各自的重要性。3注意训练样本的正确和错误分类率。研究被误分类的观测值，看是否可以找出原因。4判别分析要注意什么？SPSS选项打开disc.sav数据。然后点击Analyze－Classify－Discriminant，把group放入GroupingVariable，再定义范围，即在DefineRange输入1－3的范围。然后在Independents输入所有想用的变量；但如果要用逐步判别，则不选Enterindependentstogether，而选择Usestepwisemethod，在方法（Method）中选挑选变量的准则（检验方法；默认值为Wilks’Lambda）。为了输出Fisher分类函数的结果可以在Statistics中的FunctionCoefficient选Fisher和UnStandardized（点则判别函数系数），在Matrices中选择输出所需要的相关阵；还可以在Classify中的Display选summarytable,Leave-one-outclassification；注意在Classify选项中默认的PriorProbability为Allgroupsequal表示所有的类都平等对待，而另一个选项为Computefromgroupsizes，即按照类的大小加权。在Plots可选Combined-groups,Territorialmap等。14.4.3判别分析实例P379鸢尾花数据(花瓣,花萼的长宽)5个变量:花瓣长(slen),花瓣宽(swid),花萼长(plen),花萼宽(pwid),分类号(1:Setosa,2:Versicolor,3:Virginica)(data14-04)Statistics→Classify→Discriminant:Variables:independent(slen,swid,plen,pwid)Grouping(spno)Definerange(min-1,max-3)Classify:priorprobability(Allgroupequal)usecovariancematrix(Within-groups)Plots(Combined-groups,Separate-groups,Territorialmap)Display(Summarytable)Statistics:Descriptive(Means)FunctionCoefficients(Fisher’s,Unstandardized)Matrix(Within-groupscorrelation,Within-groupscovariance,Separate-groupscovariance,Totalcovariance)Save: