判別分析的實(shí)現(xiàn)演示文稿

判別分析的實(shí)現(xiàn)演示文稿本文檔共48頁；當(dāng)前第1頁；編輯于星期日\10點(diǎn)23分（優(yōu)選）判別分析的實(shí)現(xiàn).本文檔共48頁；當(dāng)前第2頁；編輯于星期日\10點(diǎn)23分SPSS提供的建立判別函數(shù)的方法有：1.全模型法：把所有的變量放入判別函數(shù)中2.逐步判別法判別分析的步驟對于分為m類的研究對象，建立m個(gè)線性判別函數(shù)，對測試的樣本代入判別函數(shù)，得出判別得分，從而確定該樣本屬于哪一類。本文檔共48頁；當(dāng)前第3頁；編輯于星期日\10點(diǎn)23分Discriminant

本文檔共48頁；當(dāng)前第4頁；編輯于星期日\10點(diǎn)23分Discriminant對話框

本文檔共48頁；當(dāng)前第5頁；編輯于星期日\10點(diǎn)23分GroupingVariable：已知的觀測量所屬類別的變量（分類變量）Independents：觀測量，即參與判別分析的變量。UseStepwisemethod：當(dāng)不認(rèn)為所有自變量都能對觀測量特性提供豐富的信息時(shí)，使用該選擇項(xiàng)。因此根據(jù)對判別貢獻(xiàn)的大小進(jìn)行選擇。Enterindependenttogether：當(dāng)所有自變量都能對觀測量特性提供豐富的信息時(shí)，使用該選擇項(xiàng)。選擇該項(xiàng)將不加選擇地使用所有自變量進(jìn)行判別分析，建立全模型。不需要進(jìn)一步進(jìn)行選擇。本文檔共48頁；當(dāng)前第6頁；編輯于星期日\10點(diǎn)23分選擇分類變量及其范圍在主對話框中左面的矩形框中選擇表明已知的觀測量所屬類別的變量（一定是離散變量，按上面一個(gè)箭頭按鈕，使該變量名移到箭頭按鈕右面，“GroupingVariable”下面的矩形框此時(shí)矩形框下面的“Definerange…”按鈕加亮，按該按鈕，屏幕顯示一個(gè)小對話框，供指定該分類變量的數(shù)值范圍。定義分類變量范圍的小對話框如下圖

所示。

在"Minimum："后面的矩形框中輸入該分類變量的最小值；在"Muximurn："后面的矩形框中輸入該分類變量的最大值。

本文檔共48頁；當(dāng)前第7頁；編輯于星期日\10點(diǎn)23分分類變量范圍對話框

2本文檔共48頁；當(dāng)前第8頁；編輯于星期日\10點(diǎn)23分指定判別分析的自變量

在主對話框的左面的變量表中選擇表明觀測量特征的變量，按下面一個(gè)箭頭按鈕，把選中的變量移到“Independents:”下面的矩形框中，作為參與判別分析的變量。本文檔共48頁；當(dāng)前第9頁；編輯于星期日\10點(diǎn)23分Indepents對話框數(shù)據(jù)變量輸入框本文檔共48頁；當(dāng)前第10頁；編輯于星期日\10點(diǎn)23分?jǐn)?shù)據(jù)判別分析完成前面四步驟的操作即可使用各種系統(tǒng)默認(rèn)值對工作數(shù)據(jù)集的數(shù)據(jù)進(jìn)行判別分析了。可以使用的方法有兩種：(1)直接運(yùn)行：在主對話框中按（用鼠標(biāo)單擊）"Ok"按鈕(2)生成SPSS命令程序后再運(yùn)行：在主對話框中按"Paste"按鈕，激活"Syntax"窗，在該窗中按"Run"按鈕執(zhí)行該語句窗中的程序。

無論哪種方法均可在"output"窗中顯示出分析結(jié)果。

完全使用系統(tǒng)默認(rèn)值進(jìn)行判別分析，其結(jié)果有時(shí)不能令人滿意，因此根據(jù)以下步驟指定選擇項(xiàng)是很有必要的。

本文檔共48頁；當(dāng)前第11頁；編輯于星期日\10點(diǎn)23分選擇觀測量

如果希望使用一部分觀測量進(jìn)行判別函數(shù)的推導(dǎo)，而且有一個(gè)變量的某個(gè)值可以作為某些觀測量的標(biāo)識(shí)，則用Select功能進(jìn)行選擇。操作方法是，單擊“Select”按鈕展開小選擇框，在“Vaiable：”后面矩形框中輸入該變量的變量名，在“Value：”后面輸入標(biāo)識(shí)參與分析的觀測量所具有的該變量值。一般均使用數(shù)據(jù)文件中的所有合法觀測量。此步驟可以省略。

本文檔共48頁；當(dāng)前第12頁；編輯于星期日\10點(diǎn)23分Select功能選擇本文檔共48頁；當(dāng)前第13頁；編輯于星期日\10點(diǎn)23分選擇分析方法

在主對話框中自變量矩形框下面有兩個(gè)選擇項(xiàng)，被選中的方法前面的圓圈中加有黑點(diǎn)。這兩個(gè)選擇項(xiàng)是選擇判別分析方法的。（1）Enterindependenttogether

當(dāng)你認(rèn)為所有自變量都能對觀測量特性提供豐富的信息時(shí)，使用該選擇項(xiàng)。選擇該項(xiàng)將不加選擇地使用所有自變量進(jìn)行判別分析，建立全模型。不需要進(jìn)一步進(jìn)行選擇。

本文檔共48頁；當(dāng)前第14頁；編輯于星期日\10點(diǎn)23分（2）UseStepwisemethod當(dāng)你不認(rèn)為所有自變量都能對觀測量特性提供豐富的信息時(shí)，使用該選擇項(xiàng)。因此根據(jù)對判別貢獻(xiàn)的大小進(jìn)行選擇。當(dāng)鼠標(biāo)單擊該項(xiàng)時(shí)，"Method"按鈕加亮?？梢赃M(jìn)一步判別分析方法。

單擊“Method”按鈕，展開“Stepwisemethod”對話框（子對話框）如下圖所示。

本文檔共48頁；當(dāng)前第15頁；編輯于星期日\10點(diǎn)23分Stepwisemethod對話框

本文檔共48頁；當(dāng)前第16頁；編輯于星期日\10點(diǎn)23分①選擇進(jìn)行逐步判別分析的方法

選擇判別分析方法在Method組的矩形框中進(jìn)行?？晒┻x擇的判別分析方法有：●Wilks'lambda使Wilk的統(tǒng)計(jì)量最小化法。●Unexplainedvariance使各類不可解釋的方差和最小化法。●Mahalanobis'distance使最近兩類間的Mahalanobis距離最大化法。本文檔共48頁；當(dāng)前第17頁；編輯于星期日\10點(diǎn)23分●SmallestFratio。使任何兩類間的最小的F值最大化法?！馬ao'V使RaoV統(tǒng)計(jì)量最大化?？梢詫σ粋€(gè)要加入到模型中的變量的V值指定一個(gè)最小增量。選擇此種方法后，應(yīng)該在該項(xiàng)下面的"Vtodntce'"后的矩形框中輸這個(gè)增量的指定值。

本文檔共48頁；當(dāng)前第18頁；編輯于星期日\10點(diǎn)23分②選擇逐步判別停止的判據(jù)

選擇逐步判別停止的判據(jù)在criteria組的矩形框中進(jìn)行?？晒┻x擇的判據(jù)有：

UseFvalue：使用F值，是系統(tǒng)默認(rèn)的判據(jù)，默認(rèn)值是：Entry：3.84；removal：2.71。即當(dāng)被加入的變量F值＞=3.84時(shí)才把該變量加入到模型中，否則變量不能進(jìn)入模型；或者，當(dāng)要從模型中移出的變量F值＜=2.71時(shí)，該變量才被移出模型，否則模型中的變量不會(huì)被移出。應(yīng)該使Entry值（加入變量的F值）＞removal值（移出變量的F值）

本文檔共48頁；當(dāng)前第19頁；編輯于星期日\10點(diǎn)23分UseprobabilityofF：使用F值的概率。加入變量的F值概率的默認(rèn)值是0.05（5％）；移出變量的q值概率是0.10（10％）。removal值（移出變量的正值概率）＞Entry值（加入變量的F值概率）。

本文檔共48頁；當(dāng)前第20頁；編輯于星期日\10點(diǎn)23分③顯示內(nèi)容的選擇

對于逐步選擇變量的過程和最后結(jié)果的顯示可以通過Method對話框最下面的"Display"矩形框中的三項(xiàng)進(jìn)行選擇：Resulateachstep要求在逐步選擇變量過程中的每一步之后顯示每個(gè)變量的統(tǒng)計(jì)量。

Summary僅要求顯示加入或移出模型的變量的綜計(jì)量。即選擇變量的小結(jié)。

FforPairwisedistances要求顯示兩兩類之間的兩兩F值矩陣。

當(dāng)以上①②③三項(xiàng)都給予了確定的選擇后，單擊"continue"按鈕，返回主對話框。

本文檔共48頁；當(dāng)前第21頁；編輯于星期日\10點(diǎn)23分指定輸出的統(tǒng)計(jì)量單擊“statistics”按鈕，展開相應(yīng)的子對話框，如下圖所示?？梢赃x擇的輸出統(tǒng)計(jì)量分為以下三類：（1）描述統(tǒng)計(jì)量

在"Descriptives"組的矩形框中可以選擇對原始數(shù)據(jù)的描述統(tǒng)計(jì)量的輸出：

①M(fèi)eans選擇此項(xiàng)可以輸出各類中各自變量的均值MEAN、標(biāo)準(zhǔn)差StdDev和各自變量總樣本的均值和標(biāo)準(zhǔn)差。②UnivariateANOVA對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。

③Box'sM對每類的協(xié)方差矩陣是從同一總體中采樣得來的假設(shè)進(jìn)行檢驗(yàn)，輸出檢驗(yàn)結(jié)果。

本文檔共48頁；當(dāng)前第22頁；編輯于星期日\10點(diǎn)23分Statistics本文檔共48頁；當(dāng)前第23頁；編輯于星期日\10點(diǎn)23分（2）判別函數(shù)系數(shù)在Fuctioncoefficients組的矩形框中選擇判別函數(shù)系數(shù)的輸出形式：①Fisher's可以直接用于對新樣本進(jìn)行判別分類的費(fèi)雪系數(shù)。②Unstandardized未經(jīng)標(biāo)準(zhǔn)化處理的判別系數(shù)?？捎糜谟?jì)算判別分?jǐn)?shù)。

本文檔共48頁；當(dāng)前第24頁；編輯于星期日\10點(diǎn)23分（3）自變量的系數(shù)矩陣

在Matrices組的矩形框中選擇要求給出的矩陣：①within-groupscorrelationmatrix類內(nèi)相關(guān)矩陣②within-groupscovariancematrix類內(nèi)協(xié)方差矩陣③Separate-groupscovariancematrices對每類輸出一個(gè)類間協(xié)方差矩陣④Totalcovariancematrix總樣本的協(xié)方差矩陣以上三項(xiàng)都給予了確定的選擇后，單擊"continue"按鈕，返回主對話框。

本文檔共48頁；當(dāng)前第25頁；編輯于星期日\10點(diǎn)23分指定分類參數(shù)和判別結(jié)果在主對話框中單擊“classify”按鈕，展開相應(yīng)的子對話框，如下圖所示。

（1）在PriorProbabilities組的矩形框中選擇先驗(yàn)概率，兩者選其一。①Allgroupsequal各類先驗(yàn)概率相等。若分為m類，則各類先驗(yàn)概率均為1／m。

②computerfromgroupsizes由各類的樣本量計(jì)算決定在各類的先驗(yàn)概率與其樣本比。

本文檔共48頁；當(dāng)前第26頁；編輯于星期日\10點(diǎn)23分

Classifiction對話框本文檔共48頁；當(dāng)前第27頁；編輯于星期日\10點(diǎn)23分（2）選擇分類使用的協(xié)方差矩陣在UsecovarianceMatrix組的矩形框中選擇分析使用的協(xié)方差矩陣。兩者選其一。①Within-groups指定使用組內(nèi)協(xié)方差矩陣。②Seperate-groups指定使用組間協(xié)方差矩陣。本文檔共48頁；當(dāng)前第28頁；編輯于星期日\10點(diǎn)23分（3）選擇要求輸出的統(tǒng)計(jì)圖

在Plots組的矩形框中選擇，可以并列選擇。

①combined-groups所有類放在一張散點(diǎn)圖中。便于比較。此選擇項(xiàng)生成一張散點(diǎn)圖。②Seperate-groups對每一類生成一張散點(diǎn)圖。共分為幾類就生成幾張散點(diǎn)圖。

③Territorealmap如果對一個(gè)觀測量只能計(jì)算出一個(gè)判別分?jǐn)?shù)，則利用觀測量的判別做作圖，如果有兩個(gè)以上判別分?jǐn)?shù)，則用頭兩個(gè)判別分?jǐn)?shù)作圖。此種統(tǒng)計(jì)圖力圖把一張圖的平面劃分出與類數(shù)相同的區(qū)域。每一類占據(jù)一個(gè)區(qū)。

本文檔共48頁；當(dāng)前第29頁；編輯于星期日\10點(diǎn)23分（4）選擇生成到輸出窗中的分類結(jié)果

在Displsy組的矩形框中選擇輸出項(xiàng)：①Resultsforeachcase要求輸出每個(gè)觀測量的分類結(jié)果。

②Summarytable要求輸出分類的小結(jié)，給出錯(cuò)分率。本文檔共48頁；當(dāng)前第30頁；編輯于星期日\10點(diǎn)23分（5）缺失值處理方式

在classification子對話框的最下面有一個(gè)選擇項(xiàng)，用以選擇對缺失值的處理方法。

Replacemissingvaluewithmean用該變量的均值代替缺失值。該選擇項(xiàng)前面的小矩形框中出現(xiàn)"x"時(shí)表示選定所示的處理方法。

以上五項(xiàng)都給予了確定的選擇后，單擊"continue"按鈕，返回主對話框。

本文檔共48頁；當(dāng)前第31頁；編輯于星期日\10點(diǎn)23分指定生成并保存在數(shù)據(jù)文件中的新變量

Descriminant過程可以在數(shù)據(jù)文件中建立新變量，通過"SaveNewVaiables"子對話框進(jìn)行選擇。

在主對話框中單擊“Save”按鈕，展開“SaveNewVaiables”子對話框。如下圖所示。

本文檔共48頁；當(dāng)前第32頁；編輯于星期日\10點(diǎn)23分

Save對話框本文檔共48頁；當(dāng)前第33頁；編輯于星期日\10點(diǎn)23分

在工作數(shù)據(jù)文件中建立以下三個(gè)新變量，可以選擇。

①Predictedgroupmembership要求建立一個(gè)新變量，表明預(yù)測的類成員。指定此項(xiàng)后，每行一次Descriminant過程，就建立一個(gè)表明使用判別函數(shù)預(yù)測的各觀測量屬于哪一類的新變量。第一次運(yùn)行建立新變量的變量名為dis-1,如果在工作數(shù)據(jù)文件中不把前一次建立的新變刪除，第n次運(yùn)行Descriminant過程建立的新變量默認(rèn)的變量名為dis-n。

本文檔共48頁；當(dāng)前第34頁；編輯于星期日\10點(diǎn)23分

②Descriminantscore要求建立表明判別分?jǐn)?shù)的新變量。每次運(yùn)行Descriminant過程都給出組表明判別分?jǐn)?shù)的新變量。建立幾個(gè)典則判別函數(shù)就有幾個(gè)判別分?jǐn)?shù)變量。參與分析的觀測量共分為m類，則建立m－l個(gè)典則判別函數(shù)，指定該選擇項(xiàng)，就可以生成m－l個(gè)表明判別數(shù)的新變量。例如，原始數(shù)據(jù)觀測量共分為3類，建立兩個(gè)典則判別函數(shù)。第一次運(yùn)行判別過程建立的新變量名為dis1_1,dis2_1，第二次運(yùn)行判別過程建立的新變量名為dis1_2,dis2_2…依此類推。分別表示代入第一和第二個(gè)判別函數(shù)所得到的判別分?jǐn)?shù)。

本文檔共48頁；當(dāng)前第35頁；編輯于星期日\10點(diǎn)23分

③Probabilitiesofgroupmembership要求建立新變量表明觀測量屬于某一類的概率。有m類，對一個(gè)觀測量就會(huì)給出m個(gè)概率值，因此建立m個(gè)新變量。例如，原始和預(yù)測分類數(shù)是：指定該選擇項(xiàng)，在第一次運(yùn)行判別過程后，給出的表明分類概率的新變量名為dis1_2,dis2_2，dis3_2.選擇了新變量類型后，按"continue"本文檔共48頁；當(dāng)前第36頁；編輯于星期日\10點(diǎn)23分運(yùn)行帶有選擇項(xiàng)的判別分析過程運(yùn)行Descriminant過程有兩種方法：（1）在主對話框中按"Ok"按鈕，直接運(yùn)行Descriminant過程。（2）在主對話框中按"Paste"按鈕，將以上操作結(jié)果轉(zhuǎn)換成Descriminant過程的命令程序，顯示在"Syntax"窗中。在"Syntax'窗中可以按照Descriminant命令語句格式進(jìn)一步修改粘貼則窗中的各子命令語句。然后按"Run"按鈕，將窗中的程序語句提交給系統(tǒng)執(zhí)行。

本文檔共48頁；當(dāng)前第37頁；編輯于星期日\10點(diǎn)23分逐步判別分析

（1）逐步判別分析方法與判據(jù)的選擇

逐步判別在操作步驟方面只有在選擇"方法"一點(diǎn)上與前面所敘述的方法有所區(qū)別，即在Discriminant過程主對話框中應(yīng)該選擇"Usestepwisemethod"。當(dāng)單擊該選擇項(xiàng)時(shí)，其前面的圓圈中出現(xiàn)黑點(diǎn)，同時(shí)"Method"按鈕加亮表示可以進(jìn)一步選擇分析方法或判據(jù)了。

本文檔共48頁；當(dāng)前第38頁；編輯于星期日\10點(diǎn)23分

單擊"Method"按鈕，展開"stepwisemethod"對話框。在對話框中顯示出系統(tǒng)默認(rèn)的逐步區(qū)別方法是MilksLambra。其判據(jù)是：進(jìn)入模型的F值為3.84；從模型中剔除變量的F值為2.71。不熟悉統(tǒng)計(jì)分析的用戶可以不再進(jìn)一步選擇，直接使用系統(tǒng)默認(rèn)的分析方法和判據(jù).

本文檔共48頁；當(dāng)前第39頁；編輯于星期日\10點(diǎn)23分逐步判別方法的選擇①M(fèi)ilksLambra使Milksλ統(tǒng)計(jì)量最小。是系統(tǒng)默認(rèn)的方法。②Unexplainedvariance使各類不可解釋的方差和最小。③Mahalanobisdistance使最近的兩組間的馬哈拉諾比斯距離最小。④smallestFratio。使任何兩組間的最小的F值最大。⑤Rao'sV使Rao的V統(tǒng)計(jì)量最大。在選擇并指定使用此種方法后，該項(xiàng)下面的文字加亮，可以在"Vtoenter''毫米的矩形框中輸入一個(gè)變量進(jìn)入模型的V值的最小增量。

本文檔共48頁；當(dāng)前第40頁；編輯于星期日\10點(diǎn)23分關(guān)于判據(jù)的選擇方法

可以從兩者指定判據(jù)的方法中選擇一種，并在每種方法的兩個(gè)矩形框中輸入判據(jù)的具體數(shù)值。

①UseFvalue用F值作判據(jù)。在該項(xiàng)下面的兩個(gè)矩形框中輸人：●Entry：后面的矩形框中輸入進(jìn)入模型的F值。只有變量的F值大于這個(gè)指定值時(shí)，變量進(jìn)入模型?！馬emove：在后面的矩形框中輸入把變量移出模型的F值。當(dāng)變量的F值小于該值時(shí)，變量從模型中剔除。②應(yīng)該注意，Entry值必須大于Remove值，否則，模型中將不會(huì)有變量。

本文檔共48頁；當(dāng)前第41頁；編輯于星期日\10點(diǎn)23分顯示內(nèi)容的選擇

在"StepwiseMethod"對話框的最下面一行可以選擇要求顯示在輸出窗中的內(nèi)容。對于逐測分析可以選擇以下輸出：①Resultsateachstep給出每一步選擇變量工作完成后各變量的統(tǒng)計(jì)量。給出哪些統(tǒng)計(jì)量要看使用什么判據(jù)。使用F值作判據(jù)則給出各變量的F值；使用F值的概率作判據(jù)則給出量的F值的概率。

②Summery僅對被加入或移出模型的變量給出統(tǒng)計(jì)量。③Fforpairwisedistances顯示F比值矩陣。對每兩類顯示一對F比值。本文檔共48頁；當(dāng)前第42頁；編輯于星期日\10點(diǎn)23分(2)逐步判別分析操作步驟

我們采用MilksLambra方法進(jìn)行逐步判別分析。使用F值作為判據(jù)統(tǒng)計(jì)量。當(dāng)F>=30時(shí)變量進(jìn)入模型；當(dāng)F＜=5時(shí)，變量從模型中移出。

本文檔共48頁；當(dāng)前第43頁；編輯于星期日\10點(diǎn)23分操作步驟如下：第一、從主菜單的"Statistics"，經(jīng)"classify"到"DiscriminantAnalysis"逐一選擇各菜單的菜單直到展開"DiscriminantAnalysis"對話框。第二、Independents：slen、swidPlen、Pwid；Groupvariables：spno（1，3）選擇變量slen、swid．Plen、Pwid作為判別分析的自變量；spno作為分類變量。本文檔共48頁；當(dāng)前第44頁；編輯于星期日\10點(diǎn)23分第三、按"Method…"按鈕，展開相應(yīng)的選擇逐步判別分析方法和判據(jù)的對話框。①在Method（方法）矩形框中選擇"MilksLambra"；②在criteria（判據(jù)）矩形框中選擇"UseFvalue',Entry=30、Remove=5；③在Display（顯示）矩形框中選擇在輸出窗中顯示的內(nèi)容：

●Resultsateach