北航數(shù)理統(tǒng)計(jì)判別分析大作業(yè)

數(shù)理統(tǒng)計(jì)(課程大作業(yè)2)聚類和判別分析學(xué)院：機(jī)械工程學(xué)院專業(yè)：材料加工工程日期：2014年12月22日摘要：本文介紹聚類與判別方法，然后結(jié)合實(shí)際，依據(jù)各地區(qū)居民消費(fèi)水平（元）、社會(huì)固定資產(chǎn)投資（億元）、人均地區(qū)生產(chǎn)總值（元）、政府消費(fèi)支出（億元）、城鎮(zhèn)居民人均總收入（元/人）5個(gè)與經(jīng)濟(jì)發(fā)展水平相關(guān)聯(lián)的指標(biāo)，對(duì)全國28個(gè)省、自治區(qū)、直轄市進(jìn)行聚類分析，并對(duì)剩下的三個(gè)省市進(jìn)行判別分析，以此對(duì)我國各地區(qū)的經(jīng)濟(jì)發(fā)展水平進(jìn)行分類，并對(duì)分類的結(jié)果進(jìn)行了分析。關(guān)鍵字：經(jīng)濟(jì)類型SPSS聚類分析判別分析1引言中華人民共和國成立后，通過有計(jì)劃地進(jìn)行大規(guī)模的社會(huì)主義建設(shè)，中國已成為世界上最具有發(fā)展?jié)摿Φ慕?jīng)濟(jì)大國之一，人民生活總體上達(dá)到小康水平。按預(yù)定計(jì)劃，到2010年，中國將建立起比較完善的社會(huì)主義市場經(jīng)濟(jì)體制；到2020年，建立起比較成熟的社會(huì)主義市場經(jīng)濟(jì)體制。但是，我國的經(jīng)濟(jì)發(fā)展還不太均衡，地區(qū)性差異十分顯著，尤其是東西部發(fā)展十分不同步。近年來，這種不均衡引起了人們的注意。新中國成立至1978年的30年間,中國政府一直致力于平衡發(fā)展戰(zhàn)略,各種投資政策和財(cái)政支付轉(zhuǎn)移明顯地向邊遠(yuǎn)和落后地區(qū)傾斜,然而效果不佳,付出的代價(jià)非常大。自1978年實(shí)行改革開放以后,中國政府在區(qū)域經(jīng)濟(jì)發(fā)展戰(zhàn)略上來了一個(gè)大轉(zhuǎn)變,從平衡發(fā)展戰(zhàn)略轉(zhuǎn)向不平衡發(fā)展戰(zhàn)略,優(yōu)先發(fā)展沿海地區(qū),發(fā)展和開放的政策明顯向沿海地區(qū)傾斜,使得沿海地區(qū)得以迅速發(fā)展起來,也迅速地拉大了沿海與內(nèi)地的經(jīng)濟(jì)發(fā)展差距.從地區(qū)生產(chǎn)總值來看,2003年廣東省為13626億元,約相當(dāng)于3個(gè)湖南(4639億元)或10個(gè)貴州(1365億元)或35個(gè)青海(390億元).從人均地區(qū)生產(chǎn)總值來看,2003年浙江為20147億元,3倍于江西(6678元),4倍于甘肅,5.6倍于貴州。本文就是在這樣的背景下提出來的，使用SPSSStatistics19.0這一統(tǒng)計(jì)軟件，利用國家統(tǒng)計(jì)局公布的《中國統(tǒng)計(jì)年鑒2013》中提供的2012年我國各地區(qū)經(jīng)濟(jì)發(fā)展的數(shù)據(jù)，依據(jù)各地區(qū)居民消費(fèi)水平（元）、社會(huì)固定資產(chǎn)投資（億元）、人均地區(qū)生產(chǎn)總值（元）、政府消費(fèi)支出（億元）、城鎮(zhèn)居民人均總收入（元/人）5個(gè)與經(jīng)濟(jì)發(fā)展水平相關(guān)聯(lián)的指標(biāo)，對(duì)全國28個(gè)省、自治區(qū)、直轄市進(jìn)行聚類分析，并對(duì)剩下的三個(gè)省市進(jìn)行判別分析，以此對(duì)我國各地區(qū)的經(jīng)濟(jì)發(fā)展水平進(jìn)行分類，并對(duì)分類的結(jié)果進(jìn)行了分析。2數(shù)據(jù)采集本文數(shù)據(jù)來源于《中國統(tǒng)計(jì)年鑒2013》，具體數(shù)據(jù)見表1表SEQ表格\*ARABIC1源數(shù)據(jù)地區(qū)居民消費(fèi)水平（元）社會(huì)固定資產(chǎn)投資（億元）人均地區(qū)生產(chǎn)總值（元）政府消費(fèi)支出（億元）城鎮(zhèn)居民人均總收入（元/人）北京30349.56112.4874754451.836468.75天津22984.07934.8931731698.729626.41河北10749.419661.3365843272.720543.44山西10829.08863.3336281605.420411.71內(nèi)蒙古15195.511875.7638862466.923150.26遼寧17998.721836.3566492178.823222.67吉林12276.39511.5434151566.220208.04黑龍江11600.89694.7357112812.717759.75上海36892.95117.6853732807.340188.34江蘇19452.330854.2683477329.029676.97浙江22844.717649.4633744013.334550.30安徽10977.715425.8287921876.321024.21福建16143.912439.9527631854.828055.24江西10572.910774.2288001560.519860.36山東15095.031256.0517685960.325755.19河南10380.321450.0314993584.020442.62湖北12283.015578.3385722897.320839.59湖南11739.514523.2334802397.721318.76廣東21823.318751.5540956241.830226.71廣西10519.59808.6279521612.221242.80海南10634.52145.432377448.320917.71重慶13655.48736.2389141389.322968.14四川11280.217040.0296082831.420306.99貴州8372.05717.8197101039.718700.51云南9781.67831.1221951763.221074.50西藏5339.5670.522936289.618028.32陜西11852.212044.5385641944.920733.88甘肅8542.05145.0219781131.917156.89青海10289.11883.433181410.217566.28寧夏12120.42096.936394404.219831.41新疆10675.16158.8337961891.817920.68三聚類分析3.1聚類分析過程首先將數(shù)據(jù)導(dǎo)入SPSS中，并剔除待分析的河北、浙江、新疆三省數(shù)據(jù)。表3所示的為聚類分析的匯總結(jié)果：表3案例處理匯總案例有效缺失總計(jì)N百分比N百分比N百分比28100.00.028100.0a.平方Euclidean距離已使用b.平均聯(lián)結(jié)（組之間）從表3中可以看到28個(gè)樣本的數(shù)據(jù)全都有效，均用于系統(tǒng)聚類分析過程。表中列出了有效樣本、缺失樣本和樣本總數(shù)的個(gè)數(shù)和百分?jǐn)?shù)。表4顯示的是樣本的凝聚過程。對(duì)本文選取的28個(gè)樣本，系統(tǒng)進(jìn)行了27步分析，并在每一步中給出了凝聚過程中兩類之間的相關(guān)系數(shù)。表4聚類表階群集組合系數(shù)首次出現(xiàn)階群集下一階群集1群集2群集1群集2112183568152.1640011210214789624.428009322267892087.3840084192712067895.8150075152513591635.444001263714116255.33200147192819190996.70840198222321666276.49630139101623240192.30820111062030411453.520001211101241848265.89691161261542054641.6151051413222453920958.1018023143654768430.05261219151864763844.618002216101481191025.397110201751796231017.5220018185111.141E817021193191.218E814720203101.515E819162321451.868E80182522122.597E815027233222.667E8201326249133.113E8002525493.780E821242626341.133E923252727133.450E922260表4所列各項(xiàng)的意義如下：階——聚類步驟號(hào)；群集組合——在某步中合并的個(gè)案；系數(shù)——距離或相似系數(shù)；首次出現(xiàn)階群集——新生成聚類；下一階——對(duì)應(yīng)步驟生成的新類將在第幾步與其它個(gè)案或新類合并。從中可以看出聚類的進(jìn)度和類詳細(xì)合并的步驟?？梢詮谋碇锌闯觯?2和第18個(gè)樣本最先進(jìn)行了聚類，樣本間的距離為3568152.164。表5顯示的是聚類后的集群成員：表5群集成員案例群集1:北京12:天津13:山西24:內(nèi)蒙古35:遼寧36:吉林27:黑龍江28:上海19:江蘇310:安徽211:福建312:江西213:山東314:河南215:湖北216:湖南217:廣東318:廣西219:海南220:重慶221:四川222:貴州223:云南224:西藏225:陜西226:甘肅227:青海228:寧夏2從表5可以看到系統(tǒng)聚類分析的最終結(jié)果為：北京市、天津市、上海市屬于第一類，內(nèi)蒙古、遼寧省、江蘇省、福建省、山東省、廣東省被分為第三類，其他省、直轄市、自治區(qū)被分為第二類。圖1為垂直冰柱圖，形狀類似于冬天屋檐上垂下的冰柱，因此得名。橫軸：案例（Case）表示被聚類的對(duì)象；縱軸：群集數(shù)（Numberofclusters）表示被聚成幾類；圖1以冰柱圖表示聚類分析結(jié)果。圖中第1列為聚類步驟號(hào)，第1行為樣本及樣本號(hào)。圖中每一列代表一個(gè)冰柱，深色柱代表冰柱的長短。從冰柱的長短變化可以看出聚類的全過程。即如果樣本或新類在第n步合并，則在圖中第n步以上合并項(xiàng)對(duì)應(yīng)列中用深色填充，沒有空格。由于冰柱圖是按照聚類的編號(hào)進(jìn)行排列，所以其與聚結(jié)表的順序剛好相反，也就是說聚結(jié)表的第一步對(duì)應(yīng)于冰柱圖的最后一步。冰柱圖一般從表格的最后一行開始觀察。最后一行中，類的數(shù)目為27，即聚積成27類，其中樣本江西和廣西用深色柱連接在一起，表示成兩個(gè)樣本聚成一類，其余每個(gè)樣本構(gòu)成一類。因此從冰柱圖中可以非常清楚地看到，聚成n時(shí)類時(shí)，各個(gè)樣本的類歸屬情況。圖1冰柱圖圖2為聚類分析之后的樹狀圖：圖2樹狀圖圖2清晰地表示出了聚類的全過程。它將實(shí)際的距離按比例調(diào)整到0－25的范圍內(nèi)，用逐級(jí)連線的方式連接性質(zhì)相近的個(gè)案和新類，直至并為一類。在該圖上部的距離標(biāo)尺上根據(jù)需要（粗分或細(xì)分）選定一個(gè)劃分類的距離值，然后垂直標(biāo)尺劃線，該垂線將和水平線相交，則相交的交點(diǎn)數(shù)即為分類的類別數(shù)，相交水平連線所對(duì)應(yīng)的樣本聚成一類。3.2聚類分析結(jié)果總結(jié)從上一部分的聚類分析過程可以看出，SPSS軟件將本文所采用的數(shù)據(jù)分為3類，如表6所示：表SEQ表格\*ARABIC6集群地區(qū)第一類北京、天津、上海第二類其他省、自治區(qū)、直轄市第三類內(nèi)蒙古、遼寧、江蘇、福建、山東、廣東北京市、天津市、上海市構(gòu)成一類。北京、天津作為老牌經(jīng)濟(jì)強(qiáng)省，同時(shí)也是北方京津冀經(jīng)濟(jì)圈的主要經(jīng)濟(jì)貢獻(xiàn)力量，其在全國經(jīng)濟(jì)整體盤面上表現(xiàn)一直相對(duì)強(qiáng)勁。上海市作為中國的經(jīng)濟(jì)中心，其整體發(fā)展水平高于全國其他地市，其在居民消費(fèi)水平、人均地區(qū)生產(chǎn)均值、城鎮(zhèn)居民人均總收入等諸多指標(biāo)中都有著明顯的優(yōu)勢(shì)。內(nèi)蒙古由于近幾年煤炭等能源生產(chǎn)增長，還有富饒的草原畜牧業(yè)，經(jīng)濟(jì)發(fā)展迅速。而遼寧、江蘇、福建、山東、廣東這些沿海地區(qū)，由于受到改革開放經(jīng)濟(jì)政策的影響，經(jīng)濟(jì)實(shí)力僅次于北京、上海、天津。故以上幾個(gè)省份被劃為一類。其余省市被劃分為一類。這些省市中也包括黑龍江省等經(jīng)濟(jì)條件較好的省市，但各行業(yè)領(lǐng)域發(fā)展并不均衡，故將其劃入該類中。4判別分析4.1判別分析過程根據(jù)聚類分析的結(jié)果，將省份分為3類，在SPSS中添加一個(gè)新變量G用來表示類別，取值為1、2和3，同時(shí)在表中添加了三個(gè)個(gè)案河北、浙江、新疆，作為待判樣本。下面是判別結(jié)果相關(guān)表格。下表7為參與分析的個(gè)案處理的摘要顯示，可以看出，共有28個(gè)樣本作為判別基礎(chǔ)數(shù)據(jù)進(jìn)入分析。表7分析案例處理摘要未加權(quán)案例N百分比有效2890.3排除的缺失或越界組代碼39.7至少一個(gè)缺失判別變量0.0缺失或越界組代碼還有至少一個(gè)缺失判別變量0.0合計(jì)39.7合計(jì)31100.0下表8為分組的統(tǒng)計(jì)量統(tǒng)計(jì)信息。由下表可以看出一共有3個(gè)組，其中第一組3例，第二組19例，第三組6例。同時(shí)，下表給出了各組中變量的均值和標(biāo)準(zhǔn)差。表8組統(tǒng)計(jì)量G類別均值標(biāo)準(zhǔn)差有效的N（列表狀態(tài)）未加權(quán)的已加權(quán)的1居民消費(fèi)水平30075.46676958.4980833.000社會(huì)固定資產(chǎn)投資6388.26671428.7164833.000人均地區(qū)生產(chǎn)總值88673.66674035.7900533.000城鎮(zhèn)居民人均總收入35427.83335357.3521433.000政府消費(fèi)支出2985.93331385.2156233.0002居民消費(fèi)水平10686.62631816.102851919.000社會(huì)固定資產(chǎn)投資9417.91585710.441511919.000人均地區(qū)生產(chǎn)總值31458.21056544.425491919.000城鎮(zhèn)居民人均總收入20020.65631518.894221919.000政府消費(fèi)支出1661.3158938.749361919.0003居民消費(fèi)水平17618.11672668.3756566.000社會(huì)固定資產(chǎn)投資21168.93338537.0120766.000人均地區(qū)生產(chǎn)總值57918.00006708.2528366.000城鎮(zhèn)居民人均總收入26681.17333121.5293266.000政府消費(fèi)支出4338.60002430.3017466.000合計(jì)居民消費(fèi)水平14249.32146810.849482828.000社會(huì)固定資產(chǎn)投資11611.38577880.562142828.000人均地區(qū)生產(chǎn)總值43258.392920322.599272828.000城鎮(zhèn)居民人均總收入23098.67895646.004382828.000政府消費(fèi)支出2376.94291755.029852828.000下表9為組均值的均等性檢驗(yàn)表：表9組均值的均等性的檢驗(yàn)Wilks的LambdaFdf1df2Sig.居民消費(fèi)水平.15369.121225.000社會(huì)固定資產(chǎn)投資.5709.437225.001人均地區(qū)生產(chǎn)總值.092123.026225.000城鎮(zhèn)居民人均總收入.17260.366225.000政府消費(fèi)支出.5928.615225.001該檢驗(yàn)方法的原假設(shè)是組均值對(duì)應(yīng)相等，此時(shí)各變量間沒有顯著差異。本例中的各變量的顯著性概率均小于0.05，所以拒絕原假設(shè)，即認(rèn)為各變量之間存在顯著的差異。下表10為匯聚的組內(nèi)矩陣表，該表顯示了各個(gè)變量兩兩之間的協(xié)方差和相關(guān)系數(shù)。表10匯聚的組內(nèi)矩陣居民消費(fèi)水平社會(huì)固定資產(chǎn)投資人均地區(qū)生產(chǎn)總值城鎮(zhèn)居民人均總收入政府消費(fèi)支出協(xié)方差居民消費(fèi)水平7672426.6603033279.6575216758.8785283078.9181480414.129社會(huì)固定資產(chǎn)投資3033279.65738217995.8478001104.6083391896.3046634790.857人均地區(qū)生產(chǎn)總值5216758.8788001104.60841140382.873960452.8981465320.179城鎮(zhèn)居民人均總收入5283078.9183391896.304960452.8985905955.3771618204.396政府消費(fèi)支出1480414.1296634790.8571465320.1791618204.3961969279.350相關(guān)性居民消費(fèi)水平1.000.177.294.785.381社會(huì)固定資產(chǎn)投資.1771.0065人均地區(qū)生產(chǎn)總值.294.2021.000.062.163城鎮(zhèn)居民人均總收入.785.226.0621.000.474政府消費(fèi)支出.381.765.163.4741.000a.協(xié)方差矩陣的自由度為25。下表11的協(xié)方差矩陣，展示了聚類分析后的各個(gè)類的變量兩兩之間的協(xié)方差：表11協(xié)方差矩陣G類別居民消費(fèi)水平社會(huì)固定資產(chǎn)投資人均地區(qū)生產(chǎn)總值城鎮(zhèn)居民人均總收入政府消費(fèi)支出1居民消費(fèi)水平48420695.503-9852735.767-27368710.96736940141.4424156123.882社會(huì)固定資產(chǎn)投資-9852735.7672041230.7735741544.133-7654132.957-1084074.793人均地區(qū)生產(chǎn)總值-27368710.9675741544333-21531547.583-3479584.133城鎮(zhèn)居民人均總收入36940141.442-7654132.957-21531547.58328701221.9614071622.683政府消費(fèi)支出4156123.882-1084074.793-3479584.1334071622.6831918822.3032居民消費(fèi)水平3298229.5804319615.9809662694.1051680206.960662639.440社會(huì)固定資產(chǎn)投資4319615.98032609142.1888424512.8463916161.1194982434.632人均地區(qū)生產(chǎn)總值9662694.1058424512.84642829504.9533747667.0591404456.119城鎮(zhèn)居民人均總收入1680206.9603916161.1193747667.0592307039.664413414.266政府消費(fèi)支出662639.4404982434.6321404456.119413414.266881250.3603居民消費(fèi)水平7120228.6103556875.0652245580.0005590592.9563354119.110社會(huì)固定資產(chǎn)投資3556875.06572880575.0517380659.1405922954.67315670819.526人均地區(qū)生產(chǎn)總值2245580.0007380659000-76717.8903662392.520城鎮(zhèn)居民人均總收入5590592.9565922954.673-76717.8909743945.3074974081.553政府消費(fèi)支出3354119.11015670819.5263662392.5204974081.5535906366.532合計(jì)居民消費(fèi)水平46387670.6226278134.1481.252E836970857.2075704313.183社會(huì)固定資產(chǎn)投資627813458530401569.8588345411.10111060870.150人均地區(qū)生產(chǎn)總值1.252E830401569.8584.130E81.003E816762748.823城鎮(zhèn)居民人均總收入36970857.2078345411.1011.003E831877365.4555444351.363政府消費(fèi)支出570431315016762748.8235444351.3633080129.790a.總的協(xié)方差矩陣的自由度為27。4.2判別分析結(jié)果總結(jié)首先，對(duì)協(xié)方差矩陣的均等性進(jìn)行箱式檢驗(yàn)。下表12為對(duì)數(shù)行列式表，該表包括各類別和合并組內(nèi)的對(duì)應(yīng)的秩和對(duì)數(shù)行列式：表12對(duì)數(shù)行列式G類別秩對(duì)數(shù)行列式1.a.b2574.0803580.611匯聚的組內(nèi)578.557打印的行列式的秩和自然對(duì)數(shù)是組協(xié)方差矩陣的秩和自然對(duì)數(shù)。a.秩<3b.案例太少無法形成非奇異矩陣通過表13得出檢驗(yàn)結(jié)果：表13檢驗(yàn)結(jié)果a箱的M79.900F近似。3.083df115df2339.325Sig..000對(duì)相等總體協(xié)方差矩陣的零假設(shè)進(jìn)行檢驗(yàn)。a.有些協(xié)方差矩陣是奇異矩陣，因此一般程序不會(huì)起作用。將相對(duì)非奇異組的匯聚組內(nèi)協(xié)方差矩陣檢驗(yàn)非奇異組。其行列式的對(duì)數(shù)為71.701。表14為特征值表：表14特征值函數(shù)特征值方差的%累積%正則相關(guān)性115.035a94.594.5.9682.878a5.5100.0.684a.分析中使用了前2個(gè)典型判別式函數(shù)。表15為Wilks表：表15Wilks的Lambda函數(shù)檢驗(yàn)Wilks'Lambda卡方dfSig.1到2.03378.31310.0002.53314.4944.006該表中各項(xiàng)為Wilks的值、卡方值、自由度和顯著性概率。當(dāng)顯著性概率小于0.05時(shí)，拒絕原假設(shè)，認(rèn)為組間均值不相等。由表中可以看出，顯著性概率均小于0.05，所以認(rèn)為組間均值不等。表16為標(biāo)準(zhǔn)化的典型判別式函數(shù)系數(shù)，其中包含了各獨(dú)立變量對(duì)應(yīng)的判別函數(shù)的標(biāo)準(zhǔn)化系數(shù)值：表16標(biāo)準(zhǔn)化的典型判別式函數(shù)系數(shù)函數(shù)12居民消費(fèi)水平-.124-.666社會(huì)固定資產(chǎn)投資-.121.880人均地區(qū)生產(chǎn)總值.857.199城鎮(zhèn)居民人均總收入.737.359政府消費(fèi)支出-.207.040表17為結(jié)構(gòu)矩陣表，該表內(nèi)為判別變量與根據(jù)函數(shù)內(nèi)相關(guān)系數(shù)絕對(duì)大小排序的標(biāo)準(zhǔn)化公共判別函數(shù)變量之間的合并組內(nèi)相關(guān)系數(shù)：表17結(jié)構(gòu)矩陣函數(shù)12人均地區(qū)生產(chǎn)總值.807*.210居民消費(fèi)水平.605*-.155城鎮(zhèn)居民人均總收入.567*.066社會(huì)固定資產(chǎn)投資.038.914*政府消費(fèi)支出.142.662*判別變量和標(biāo)準(zhǔn)化典型判別式函數(shù)之間的匯聚組間相關(guān)性按函數(shù)內(nèi)相關(guān)性的絕對(duì)大小排序的變量。*.每個(gè)變量和任意判別式函數(shù)間最大的絕對(duì)相關(guān)性表18為典型判別式函數(shù)系數(shù)表，里面列出的是各變量及常數(shù)項(xiàng)對(duì)應(yīng)的沒有進(jìn)行標(biāo)準(zhǔn)化的典型判別函數(shù)系數(shù)：表18典型判別式函數(shù)系數(shù)函數(shù)12居民消費(fèi)水平.000.000社會(huì)固定資產(chǎn)投資.000.000人均地區(qū)生產(chǎn)總值.000.000城鎮(zhèn)居民人均總收入.000.000政府消費(fèi)支出.000.000(常量)-11.563-3.051非標(biāo)準(zhǔn)化系數(shù)利用上表17，可以得到前兩個(gè)判別函數(shù)的表達(dá)式：f1=-11.563，f2=-3.051表18為組質(zhì)心處的函數(shù)值表：表19組質(zhì)心處的函數(shù)G函數(shù)1219.107-1.3002-2.201-.29732.4161.592在組均值處評(píng)估的非標(biāo)準(zhǔn)化典型判別式函數(shù)該表包括對(duì)應(yīng)與表17中兩個(gè)函數(shù)的各類別的函數(shù)值。可得：河北：f1=-11.563，f2=-3.051浙江：f1=-11.563，f2=-3.051新疆：f1=-11.563，f2=-3.051可以看出，河北、浙江和新疆的最大值在都在f2判別函數(shù)處取得。繼續(xù)進(jìn)行判別，將河北、浙江、新疆的分入聚類分析所分出的三個(gè)類中。接下來進(jìn)行進(jìn)一步的判別分析，采用Fisher判別法。首先來看分類處理的摘要，如表20所示：表20分類處理摘要已處理的31已排除的缺失或越界組代碼0至少一個(gè)缺失判別變量0用于輸出中31下表21顯示的為組的先驗(yàn)概率：表21組的先驗(yàn)概率G先驗(yàn)用于分析的案例未加權(quán)的已加權(quán)的1.33333.0002.3331919.0003.33366.000合計(jì)1.0002828.000該表包括各類別和全部對(duì)應(yīng)的先驗(yàn)概率和參與分析的未加權(quán)和經(jīng)過加權(quán)的個(gè)案數(shù)。各類別的先驗(yàn)概率等于1除以類別數(shù)。在本文中，類別數(shù)等于3，所以各類別的先驗(yàn)概率均等于0.333。然后進(jìn)行Fisher判別，表22為Fisher線性判別函數(shù)的系數(shù)表：表22分類函數(shù)系數(shù)G123居民消費(fèi)水平-.004-.004-.005社會(huì)固定資產(chǎn)投資.000.001.001人均地區(qū)生產(chǎn)總值.003.001.002城鎮(zhèn)居民人均總收入.011.008.010政府消費(fèi)支出-.007-.005-.006(常量)-244.062-76.524-137.397Fisher的線性判別式函數(shù)利用該表得到3各類別的分類判別函數(shù)為：f1=-0.004×居民消費(fèi)水平+0.003×人均地區(qū)生產(chǎn)總值+0.011×城鎮(zhèn)居民人均總收入-0.007×政府消費(fèi)支出-244.062f2=-0.004×居民消費(fèi)水平+0.001×社會(huì)固定資產(chǎn)投資+0.001×人均地區(qū)生產(chǎn)總值+0.008×城鎮(zhèn)居民人均總收入-0.005×政府消費(fèi)支出-76.524f3=-0.005×居民消費(fèi)水平+0.001×社會(huì)固定資產(chǎn)投資+0.002×人均地區(qū)生產(chǎn)總值+0.010×城鎮(zhèn)居民人均總收入-0.006×政府消費(fèi)支出-13