SPSS操作方法：判別分析例題

v1.0 可編輯可修改為研究1991年中國(guó)城鎮(zhèn)居民月平均收入狀況，按標(biāo)準(zhǔn)化歐氏平方距離、離差平方和聚類方法將 30個(gè)省、市、自治區(qū)．分為三種類型。試建立判別函數(shù)，判定廣東、西藏分別屬于哪個(gè)收入類型。判別指標(biāo)及原始數(shù)據(jù)見表 9-4。1991年30個(gè)省、市、自治區(qū)城鎮(zhèn)居民月平均收人數(shù)據(jù)表單位：元／人x1：人均生活費(fèi)收入x6：人均各種獎(jiǎng)金、超額工資(國(guó)有+集體)x：人均國(guó)有經(jīng)濟(jì)單位職工工資x：人均各種津貼(國(guó)有+集體)27x3：人均來源于國(guó)有經(jīng)濟(jì)單位標(biāo)準(zhǔn)工資x8：人均從工作單位得到的其他收入x4：人均集體所有制工資收入x9：個(gè)體勞動(dòng)者收入x：人均集體所有制職工標(biāo)準(zhǔn)工資5樣品序地區(qū)x1x2x3x4x5x6x7x8x9類序1北京2天津3河北4上海G15山東20.6l6湖北7廣西8海南9四川10云南11新疆1山西2內(nèi)蒙古3吉林4黑龍江7.4lG25江西6河南7貴州8陜西9甘肅10青海11寧夏88.2l1遼寧43.4l32江蘇G3浙江4安徽11v1.0 可編輯可修改5 福 建6 湖 南待 1 廣 東2 西 藏貝葉斯判別的 SPSS操作方法：建立數(shù)據(jù)文件2．單擊Analyze→Classify →Discriminant ，打開Discriminant Analysis判別分析對(duì)話框如圖 1所示：圖1DiscriminantAnalysis 判別分析對(duì)話框3．從對(duì)話框左側(cè)的變量列表中選中進(jìn)行判別分析的有關(guān)變量 x1~x9進(jìn)入Independents 框，作為判別分析的基礎(chǔ)數(shù)據(jù)變量。從對(duì)話框左側(cè)的變量列表中選分組變量 Group進(jìn)入GroupingVariable框，并點(diǎn)擊DefineRange...鈕，在打開的Discriminant Analysis: DefineRange對(duì)話框中，定義判別原始數(shù)據(jù)的類別數(shù)，由于原始數(shù)據(jù)分為 3類，則在Minimum（最小值）處輸入1，在Maximum（最大值）處輸入3（見圖2）。。選擇后點(diǎn)擊Continue按鈕返回DiscriminantAnalysis 主對(duì)話框。22v1.0 可編輯可修改圖2DefineRange 對(duì)話框4、選擇分析方法Enterindependenttogether 所有變量全部參與判別分析（系統(tǒng)默認(rèn)）。本例選擇此項(xiàng)。Usestepwisemethod 采用逐步判別法自動(dòng)篩選變量。單擊該項(xiàng)時(shí)Method按鈕激活，打開 StepwiseMethod對(duì)話框如圖3所示，從中可進(jìn)一步選擇判別分析方法。圖3 StepwiseMethod 對(duì)話框Method欄，選擇變量的統(tǒng)計(jì)量方法Wilks’lambda（默認(rèn)）按統(tǒng)計(jì)量 Wilks λ最小值選擇變量；Unexplainedvariance ：按照所有組方差之和最小值選擇變量；33v1.0 可編輯可修改Mahalanobis’distance：按照相鄰兩組的最大馬氏距離選擇變量；SmallestFratio ：按組間最小F值比的最大值選擇變量；Rao’sV按照統(tǒng)計(jì)量RaoV最大值選擇變量。Criteria 選擇逐步回歸的標(biāo)準(zhǔn)（略）選擇系統(tǒng)默認(rèn)項(xiàng)。5. 單擊Statistics 按鈕，打開Statistics 對(duì)話框如圖4所示，從中指定輸出的統(tǒng)計(jì)量。Descriptives 描述統(tǒng)計(jì)量欄Means-各類中各自變量的均值，標(biāo)準(zhǔn)差 stdDev 和各自變量總樣本的均值和標(biāo)準(zhǔn)差（本例選擇）。UnivariateANOV---- 對(duì)各類中同一自變量均值都相等的假設(shè)進(jìn)行檢驗(yàn)，輸出單變量的方差分析結(jié)果（本例選擇）。Box’sM--對(duì)各類的協(xié)方差矩陣相等的假設(shè)進(jìn)行檢驗(yàn)（本例選擇）。圖4 Statistics 對(duì)話框Functioncoefficients 選擇輸出判別函數(shù)系數(shù)Fisherh’s 給出貝葉斯判別函數(shù)系數(shù)（本例選擇）44v1.0 可編輯可修改Unstandardized 給出未標(biāo)準(zhǔn)化的典型判別（也稱典則判別）系數(shù)（費(fèi)舍爾判別函數(shù)）。Matrices 欄選擇給出的自變量系數(shù)矩陣Within-groupscorrelation 合并類內(nèi)相關(guān)系數(shù)矩陣（本例選擇）Within-groupscovariance 合并類內(nèi)協(xié)方差矩陣（本例選擇）Separate-groupscovariance 各類內(nèi)協(xié)方差矩陣 （本例選擇）Totalcovariance 總協(xié)方差矩陣（本例選擇）6. 單擊Classify 按鈕，打開Classify 對(duì)話框如圖5所示：圖5 Classify 對(duì)話框PriorProbabilities 欄，選擇先驗(yàn)概率。Allgroupsequal 各類先驗(yàn)概率相等（系統(tǒng)默認(rèn)）；Computefromgroupssizes 各類的先驗(yàn)概率與其樣本量成正比 . （本例選擇）UseCovarianceMatrix 欄，選擇使用的協(xié)方差矩陣55v1.0 可編輯可修改Within-groups-- 使用合并類內(nèi)協(xié)方差矩陣進(jìn)行分類（系統(tǒng)默認(rèn)）（本例選擇）Separate-groups-- 使用各類協(xié)方差矩陣進(jìn)行分類Display 欄，選擇生成到輸出窗口中的分類結(jié)果Casewiseresults 輸出每個(gè)觀測(cè)量包括判別分?jǐn)?shù)實(shí)際類預(yù)測(cè)類 (根據(jù)判別函數(shù)求得的分類結(jié)果 )和后驗(yàn)概率等。Summarytable 輸出分類的小結(jié)給出正確分類觀測(cè)量數(shù) (原始類和根據(jù)判別函數(shù)計(jì)算的預(yù)測(cè)類相同 )和錯(cuò)分觀測(cè)量數(shù)和錯(cuò)分率（本例選擇）。Leave-one-outclassification 輸出交互驗(yàn)證結(jié)果。Plots欄，要求輸出的統(tǒng)計(jì)圖Combined-groups生成一張包括各類的散點(diǎn)圖（本例選擇）；Separate-groups 每類生成一個(gè)散點(diǎn)圖；Territorial map根據(jù)生成的函數(shù)值把各觀測(cè)值分到各組的區(qū)域圖。 （本例選擇）單擊Save按鈕，打開Save對(duì)話框，見圖6.圖6Save對(duì)話框Predicted groupmembership建立一個(gè)新變量，系統(tǒng)根據(jù)判別分?jǐn)?shù)，把66v1.0 可編輯可修改觀測(cè)量按后驗(yàn)概率最大指派所屬的類；（本例選擇）Discriminantscore 建立表明判別得分的新變量，該得分是由未標(biāo)準(zhǔn)化的典則判別函數(shù)計(jì)算。（本例選擇）Probabilitiesofgroupmembership 建立新變量表明觀測(cè)量屬于某一類的概率。有m類，對(duì)一個(gè)觀測(cè)量就會(huì)給出m個(gè)概率值，因此建立m個(gè)新變量。（本例選擇）全部選擇完成后，點(diǎn)擊 OK，得到輸出結(jié)果如下：AnalysisCaseProcessingSummary分類樣本綜述UnweightedCasesNPercentValid28ExcludedMissingorout-of-rangegroupcodes2Atleastonemissingdiscriminatingvariable0.0Bothmissingorout-of-rangegroupcodesand0.0atleastonemissingdiscriminatingvariableTotal2Total30GroupStatistics各類統(tǒng)計(jì)分析MeanStd.DeviationValidN(listwise)分類均值標(biāo)準(zhǔn)差有效樣本數(shù)UnweightedWeighted1人均生活費(fèi)收入(元/人）11人均國(guó)有經(jīng)濟(jì)單位職工工資11人均來源于國(guó)有經(jīng)濟(jì)單位標(biāo)準(zhǔn)工資11人均集體所有制工資收入1177v1.0 可編輯可修改人均集體所有制職工標(biāo)準(zhǔn)工資11人均各種獎(jiǎng)金、超額工資(國(guó)有+集體)11人均各種津貼(國(guó)有+集體)11均從工作單位得到的其他收入11個(gè)體勞動(dòng)者收入112人均生活費(fèi)收入(元/人）11人均國(guó)有經(jīng)濟(jì)單位職工工資11人均來源于國(guó)有經(jīng)濟(jì)單位標(biāo)準(zhǔn)工資11人均集體所有制工資收入11人均集體所有制職工標(biāo)準(zhǔn)工資11人均各種獎(jiǎng)金、超額工資(國(guó)有+集體)11人均各種津貼(國(guó)有+集體)11均從工作單位得到的其他收入11個(gè)體勞動(dòng)者收入.73428113人均生活費(fèi)收入(元/人）6人均國(guó)有經(jīng)濟(jì)單位職工工資6人均來源于國(guó)有經(jīng)濟(jì)單位標(biāo)準(zhǔn)工資.918256人均集體所有制工資收入6人均集體所有制職工標(biāo)準(zhǔn)工資6人均各種獎(jiǎng)金、超額工資(國(guó)有+集體)6人均各種津貼(國(guó)有+集體)6均從工作單位得到的其他收入6個(gè)體勞動(dòng)者收入6Total人均生活費(fèi)收入(元/人）28人均國(guó)有經(jīng)濟(jì)單位職工工資28人均來源于國(guó)有經(jīng)濟(jì)單位標(biāo)準(zhǔn)工資2888v1.0 可編輯可修改人均集體所有制工資收入28人均集體所有制職工標(biāo)準(zhǔn)工資28人均各種獎(jiǎng)金、超額工資(國(guó)有+集體)28人均各種津貼(國(guó)有+集體)28均從工作單位得到的其他收入28個(gè)體勞動(dòng)者收入28TestsofEqualityofGroupMeans每個(gè)變量各類均值相等的檢驗(yàn)Wilks'LambdaFdf1df2Sig.人均生活費(fèi)收入(元/人）.542225.000人均國(guó)有經(jīng)濟(jì)單位職工工資.506225.000人均來源于國(guó)有經(jīng)濟(jì)單位標(biāo)準(zhǔn)工資.583225.001人均集體所有制工資收入.338225.000人均集體所有制職工標(biāo)準(zhǔn)工資.478225.000人均各種獎(jiǎng)金、超額工資(國(guó)有+集體).497225.000人均各種津貼(國(guó)有+集體).898225.259均從工作單位得到的其他收入.516225.000個(gè)體勞動(dòng)者收入.972.354225.705PooledWithin-GroupsMatrices(a)合并類內(nèi)協(xié)方差陣和相關(guān)矩陣人均來人均集人均各人均國(guó)源于國(guó)人均集體所有種獎(jiǎng)金、人均各人均生活有經(jīng)濟(jì)有經(jīng)濟(jì)體所有制職工超額工種津貼人均從工作個(gè)體勞費(fèi)收入(元單位職單位標(biāo)制工資標(biāo)準(zhǔn)工資(國(guó)有(國(guó)有+單位得到的動(dòng)者收/人）工工資準(zhǔn)工資收入資+集體)集體)其他收入入Covaria 人均生活費(fèi)收入 (元/99v1.0 可編輯可修改nce人）人均國(guó)有經(jīng)濟(jì)單位職工工資人均來源于國(guó)有經(jīng)濟(jì)單位標(biāo)準(zhǔn)工資人均集體所有制工資收入人均集體所有制職工.484.665標(biāo)準(zhǔn)工資人均各種獎(jiǎng)金、超額工.484.398資(國(guó)有+集體)人均各種津貼(國(guó)有+.398集體)均從工作單位得到的.665其他收入個(gè)體勞動(dòng)者收入Correla人均生活費(fèi)收入(元/.607.300.168.843.171.245tion人）人均國(guó)有經(jīng)濟(jì)單位職.607.533.475.639.206工工資人均來源于國(guó)有經(jīng)濟(jì).300.533.089單位標(biāo)準(zhǔn)工資人均集體所有制工資.168.955.214.230收入人均集體所有制職工.955.043.117標(biāo)準(zhǔn)工資1010v1.0 可編輯可修改人均各種獎(jiǎng)金、超額工.843.475.089.214.043.016.474資(國(guó)有+集體)人均各種津貼(國(guó)有+.171.639.016.402集體)均從工作單位得到的.245.230.117.474其他收入個(gè)體勞動(dòng)者收入.206.402aThecovariancematrixhas25degreesoffreedom.CovarianceMatrices(a)類內(nèi)協(xié)方差矩陣和總協(xié)方差陣人均來人均集人均生源于國(guó)人均集體所有人均各種均從工作活費(fèi)收人均國(guó)有有經(jīng)濟(jì)體所有制職工獎(jiǎng)金、超額人均各種單位得到個(gè)體勞分入(元/經(jīng)濟(jì)單位單位標(biāo)制工資標(biāo)準(zhǔn)工工資(國(guó)有津貼(國(guó)的其他收動(dòng)者收類人）職工工資準(zhǔn)工資收入資+集體)有+集體)入入人均生活費(fèi)收入(元/人）人均國(guó)有經(jīng)濟(jì)單位職工工資人均來源于國(guó)有經(jīng)濟(jì)單位標(biāo)準(zhǔn)工.482資人均集體所有制工資收入人均集體所有制1111v1.0 可編輯可修改職工標(biāo)準(zhǔn)工資人均各種獎(jiǎng)金、超額工資(國(guó)有+集體)人均各種津貼(國(guó)有+集體)均從工作單位得到的其他收入個(gè)體勞動(dòng)者收入.4822 人均生活費(fèi)收入(元/人）人均國(guó)有經(jīng)濟(jì)單位職工工資人均來源于國(guó)有經(jīng)濟(jì)單位標(biāo)準(zhǔn)工資人均集體所有制工資收入人均集體所有制職工標(biāo)準(zhǔn)工資人均各種獎(jiǎng)金、超額工資(國(guó)有+集

.261 .004.196 .155.506體)人均各種津貼(國(guó).196有+集體)均從工作單位得.261.155.506.3071212到的其他收入個(gè)體勞動(dòng)者收入人均生活費(fèi)收入(元/人）人均國(guó)有經(jīng)濟(jì)單位職工工資人均來源于國(guó)有經(jīng)濟(jì)單位標(biāo)準(zhǔn)工資人均集體所有制工資收入人均集體所有制職工標(biāo)準(zhǔn)工資人均各種獎(jiǎng)金、超額工資(國(guó)有+集體)人均各種津貼(國(guó)有+集體)均從工作單位得到的其他收入個(gè)體勞動(dòng)者收入To 人均生活費(fèi)收入ta (元/人）l人均國(guó)有經(jīng)濟(jì)單位職工工資

v1.0 可編輯可修改.004 .307 .539.843 .400 .732.532.400.680.732 .532 .6801313人均來源于國(guó)有經(jīng)濟(jì)單位標(biāo)準(zhǔn)工資人均集體所有制工資收入人均集體所有制職工標(biāo)準(zhǔn)工資人均各種獎(jiǎng)金、超額工資(國(guó)有+集體)人均各種津貼(國(guó)有+集體)均從工作單位得到的其他收入個(gè)體勞動(dòng)者收入

v1.0 可編輯可修改.106.708.708 .335.106 .335aThetotalcovariancematrixhas27degreesoffreedom.Box'sTestofEqualityofCovarianceMatrices 協(xié)方差矩陣相等的檢驗(yàn)LogDeterminantsLog分類RankDeterminant19293.(a).(b)1414v1.0 可編輯可修改Pooledwithin-groups9Theranksandnaturallogarithmsofdeterminantsprintedarethoseofthegroupcovariancematrices.Rank<6Toofewcasestobenon-singularTestResults(a) 檢驗(yàn)結(jié)果Box'sMF Approx.df1 45df2Sig. .000Testsnullhypothesisofequalpopulationcovariancematrices.aSomecovariance matrices aresingular andtheusual procedure will notwork. Thenon-singulargroupswillbetestedagainsttheirownpooledwithin-groupscovariancematrix.Thelogofitsdeterminantis.注意，檢驗(yàn)沒有通過，即各類的協(xié)方差相等的假設(shè)在顯著性水平下是不成立的。SummaryofCanonicalDiscriminantFunctions 典型判別函數(shù)綜述Eigenvalues特征值CanonicalFunctionEigenvalue%ofVarianceCumulative%Correlation1(a).9142(a).876aFirst2canonicaldiscriminantfunctionswereusedintheanalysis.只有兩個(gè)判別函數(shù)，所以特征值只有兩個(gè)。判別函數(shù)的特征值越大，說明函數(shù)越具有區(qū)別判斷力。最后一列表示是典則相關(guān)系數(shù)，是組間平方和與總平方和之比的平方根，表示判別函數(shù)分?jǐn)?shù)與組別間的關(guān)聯(lián)程度。1515v1.0 可編輯可修改Wilks'Lambda 判別函數(shù)檢驗(yàn)TestofFunction(s)Wilks'LambdaChi-squaredfSig.1through2.03818.0002.2338.000上表中“1through2”表示兩個(gè)判別函數(shù)的平均數(shù)在三個(gè)類間的差異情況，P值為表示差異達(dá)到顯著水平。判別函數(shù)的Wilks′Lambda值可以通過特征值計(jì)算：判別函數(shù)1和判別函數(shù)2的Wilks′Lambda值為1 10.038(1 1)(1 2) (1 5.082)(1 3.296)判別函數(shù)2的Wilks′Lambda值為110.233(12)(13.296)“2”表示在排除了第一個(gè)判別函數(shù)后， 第二個(gè)判別函數(shù)在三個(gè)組別間的差異情況，P值=表示差別函數(shù)2也達(dá)到顯著水平.StandardizedCanonicalDiscriminantFunctionCoefficients 標(biāo)準(zhǔn)化典型判別函數(shù)（系統(tǒng)默認(rèn)結(jié)果）Function1 2人均生活費(fèi)收入(元/人）.214人均國(guó)有經(jīng)濟(jì)單位職工工資人均來源于國(guó)有經(jīng)濟(jì)單位標(biāo)準(zhǔn)工資.244人均集體所有制工資收入人均集體所有制職工標(biāo)準(zhǔn)工資人均各種獎(jiǎng)金、超額工資 (國(guó)有+集體)1616v1.0 可編輯可修改人均各種津貼(國(guó)有+集體).186均從工作單位得到的其他收入.363個(gè)體勞動(dòng)者收入.474.079StructureMatrix 結(jié)構(gòu)矩陣：Function12人均集體所有制工資收入.545(*)人均各種獎(jiǎng)金、超額工資(國(guó)有+集體).415(*).204人均集體所有制職工標(biāo)準(zhǔn)工資.386(*)均從工作單位得到的其他收入.360(*).291人均生活費(fèi)收入(元/人）.344(*).271個(gè)體勞動(dòng)者收入.075(*)人均國(guó)有經(jīng)濟(jì)單位職工工資.128.521(*)人均來源于國(guó)有經(jīng)濟(jì)單位標(biāo)準(zhǔn)工資.465(*)人均各種津貼(國(guó)有+集體).182(*)Pooledwithin-groupscorrelationsbetweendiscriminatingvariablesandstandardizedcanonicaldiscriminantfunctionsVariablesorderedbyabsolutesizeofcorrelationwithinfunction.*Largestabsolutecorrelationbetweeneachvariableandanydiscriminantfunction結(jié)構(gòu)矩陣是變量和標(biāo)準(zhǔn)化典型判別函數(shù)的組內(nèi)相關(guān)矩陣。FunctionsatGroupCentroids 類中心坐標(biāo)（非標(biāo)準(zhǔn)化典型判別下的類中心）Function分類121 .74121717v1.0 可編輯可修改3UnstandardizedcanonicaldiscriminantfunctionsevaluatedatgroupmeansClassificationStatistics 分類分析（輸出貝葉斯判別結(jié)果）ClassificationProcessingSummary 綜述表Processed 31Excluded Missing orout-of-range group0codesAtleastonemissing1discriminatingvariableUsedinOutput30PriorProbabilitiesforGroups 先驗(yàn)概率CasesUsedinAnalysis分類Prior先驗(yàn)概率UnweightedWeighted1.393112.393113.2146Total28ClassificationFunctionCoefficients 貝葉斯判別函數(shù)的系數(shù)分類123人均生活費(fèi)收入(元/人）.098.157人均國(guó)有經(jīng)濟(jì)單位職工工資人均來源于國(guó)有經(jīng)濟(jì)單位標(biāo)準(zhǔn)工資人均集體所有制工資收入.2271818v1.0 可編輯可修改人均集體所有制職工標(biāo)準(zhǔn)工資人均各種獎(jiǎng)金、超額工資 (國(guó)有+集體)人均各種津貼(國(guó)有+集體)均從工作單位得到的其他收入個(gè)體勞動(dòng)者收入(Constant)Fisher'slineardiscriminantfunctions上表為貝葉斯判別函數(shù)的系數(shù)矩陣，可以用數(shù)學(xué)表達(dá)式表示為：y1320.2670.0978x19.3545x23.3032x35.4615x422.3641x59.5204x65.2601x710.0598x88.2800x9y2228.5500.157x17.816x22.726x35.118x419.601x58.357x64.307x78.232x86.950x9y3295.6780.026x19.743x24.051x30.227x416.169x59.731x66.180x78.545x88.876