spss判別分析論文12

.4.4spss判別分析論文12學(xué)校:池州學(xué)院系別:數(shù)學(xué)系班級:12統(tǒng)計學(xué)號:120314134姓名:高革非摘要判別分析是判別樣品所屬類型的一種統(tǒng)計方法?其應(yīng)用之廣可與回歸分析媲美.本文通過介紹判別分析的概念和應(yīng)用領(lǐng)域?對其進(jìn)行分類?并對其中的某些方法進(jìn)行具體介紹?如距離判別法和費希爾判別法?然后應(yīng)用某些常見的判別分析方法解決實際問題.關(guān)鍵詞:判別分析,概念,應(yīng)用領(lǐng)域,距離判別法,費希爾判別;實際問題目錄一、引…4什么是判別分析……………..4判別分析的方法判別分析的統(tǒng)計背景……………..5二、距離判別法…………………….82.1什么是距離判別法.82.2馬氏距離………………….82.2.1概念………………TOC\o"1-5"\h\z………82.2.2定義……………………82.2.3馬氏距離的優(yōu)缺點……………..……………….9八、、???《_/2.3距離判別法的基本思想………………92.4距離判別法的判別函數(shù)和判別準(zhǔn)則………………..7三、貝葉斯判別法.8……14……143.1什么是貝葉斯判別法………………83.2貝葉斯判別法的基本思想83.3貝葉斯判別法的準(zhǔn)則………………83.4貝葉斯判別法的分類函數(shù).8四、Fisher判別法94.1什么是Fisher判別法………………94.2Fisher判別法的基本思想…………..…………….…94.3Fisher判別法判別函數(shù)和判別準(zhǔn)貝V9五、實例分析……9六、參考文獻(xiàn)一、引言1(1什么是判別分析判別分析產(chǎn)生于20世紀(jì)30年代?是利用已知類別的樣本建立判別模型?為未知類別的樣本判別的一種統(tǒng)計方法。近年來?判別分析在自然科學(xué)、社會學(xué)及經(jīng)濟(jì)管理學(xué)科中都有廣泛的應(yīng)用。判別分析是根據(jù)觀測到的某些指標(biāo)對所研究的對象進(jìn)行分類的一種多元統(tǒng)計分析方法。判別分析的特點是根據(jù)已掌握的、歷史上每個類別的若干樣本的數(shù)據(jù)信息?總結(jié)出客觀事物分類的規(guī)律性?建立判別公式和判別準(zhǔn)則。當(dāng)遇到新的樣本點時?只要根據(jù)總結(jié)出來的判別公式和判別準(zhǔn)則?就能判別該樣本點所屬的類別。判別分析按照判別的組數(shù)來區(qū)分?可以分為兩組判別分析和多組判別分析。1(2判別分析的方法判別分析(DiscriminatoryAnalysis)的任務(wù)是根據(jù)已掌握的，批分類明確的樣品?建立較好的判別函數(shù)?使產(chǎn)生錯判的事例最少?進(jìn)而對給定的1個新樣品?判斷它來自哪個總體。根據(jù)資料的性質(zhì)?分為定性資料的判別分析和定量資料的判別分析，采用不同的判別準(zhǔn)則?又有距離、貝葉斯、費歇等判別方法。距離判別思想是根據(jù)各樣品與各母體之間的距離遠(yuǎn)近作出判別。即根據(jù)資料建立關(guān)于各母體的距離判別函數(shù)式?將各樣品數(shù)據(jù)逐一代入計算?得出各樣品與各母體之間的距離值?判樣品屬于距離值最小的那個母體。貝葉斯,BAYES,判別思想是根據(jù)先驗概率求出后驗概率?并依據(jù)后驗概率分布作出統(tǒng)計推斷。所謂先驗概率，就是用概率來描述人們事先對所研究的對象的認(rèn)識的程度,所謂后驗概率?就是根據(jù)具體資料、先驗概率、特定的判別規(guī)則所計算出來的概率。它是對先驗概率修正后的結(jié)果。費歇,FISHER,判別思想是投影?使多維問題簡化為一維問題來處理。選擇一個適當(dāng)?shù)耐队拜S,使所有的樣品點都投影到這個軸上得到一個投影值。對這個投影軸的方向的要求是:使每一類內(nèi)的投影值所形成的類內(nèi)離差盡可能小?而不同類間的投影值所形成的類間離差盡可能大。1.3判別分析的統(tǒng)計背景判別分析的方法有參數(shù)方法和非參數(shù)方法。參數(shù)方法假定每個類的觀測來自,多元,正態(tài)分布總體?各類的分布的均值,中心,可以不同。非參數(shù)方法不要求知道各類所來自總體的分布?它對每一類使用非參數(shù)方法估計該類的分布密度?然后據(jù)此建立判別規(guī)則。記X為用來建立判別規(guī)則的P維隨機(jī)變量?S為合并協(xié)方差陣估計?T為組的下標(biāo)?共有G個組。記n為第t組中訓(xùn)練樣本的個數(shù)?為t第T組的自變量均值向量?S為第T組的協(xié)方差陣?丨S|為S的行列式?qtttt為第t組出現(xiàn)的先驗概率?p(t|x)為自變量為x的觀測屬于第t組的后驗概率?f(x)為第t組的分布密度在X=x處的值?f(x)為非條件密度。tt=l按照Bayes理論?自變量為x的觀測屬于第t組的后驗概率(|)=()ptxqfxtt/f(x)。于是?可以把自變量X的取值空間R^P劃分為G個區(qū)域R,t=1,...,G?t使得當(dāng)X的取值x屬于R_t時后驗概率在第t組最大?即戸(比)=marz…衛(wèi)憫恥：)月工ERt建立的判別規(guī)則為:計算自變量x到每一個組中心的廣義平方距離?并把x判入最近的類。廣義平方距離的計算可能使用合并的協(xié)方差陣估計或者單獨的協(xié)方差陣估計?并與先驗概率有關(guān)?定義為D；⑼=隔仗)+佻⑷+戲仕)其中雷（乂）=（北一mjl「｛才-mt）⑷_fln|St|采用單類的協(xié)方雅陣估計曲（」—In采用-合并盼方菱陣估卄頤伯_Jin?各類先驗概率相等加可-t0各類先驗概率不等V=S，使用單個類的協(xié)方差陣估計，或V二S,使用合并的協(xié)方差陣估計，。tttm可以用第t組的均值\overline｛X_t｝代替。在使用合并協(xié)方差陣時?t閔⑵3”兒帶弋工小討■飾?:十劉11的_2?W」扎'?1其中xSx是共同的可以不考慮?于是在比較x到各組中心的廣義平方距離時?只要計算線性判別函數(shù)聽）=｛一捋廠兀+怕期+佔-區(qū)?當(dāng)x到第t組的線性判別函數(shù)最大時把x對應(yīng)觀測判入第t組。在如果使用單個類的協(xié)方差陣估計V二Stt則距離函數(shù)是X的二次函數(shù)?稱為二次判別函數(shù)。后驗概率可以用廣義距離表示為曲⑹=印麗因此?參數(shù)方法的判別規(guī)則為:先決定是使用合并協(xié)方差陣還是單個類的協(xié)方差陣?計算X到各組的廣義距離?把X判入最近的組，或者計算X屬于各組的后驗概率?把X判入后驗概率最大的組。如果X的最大的后驗概率都很小，小于一個給定的界限，?則把它判入其它組。非參數(shù)判別方法仍使用Bayes后驗概率密度的大小來進(jìn)行判別?但這時第t組在x處的密度值f（X）不再具有參數(shù)形式?不象參數(shù)方法那樣可以用m和S，或tttS,表示出來。非參數(shù)方法用核方法或最近鄰方法來估計概率密度f（x）。tt最近鄰估計和核估計也都需要定義空間中的距離。除了可以用歐氏距離外?還可以用馬氏,Mahalanobis,距離?定義為:斗(z)=◎—卅％7(盤一協(xié)其中V為以下形式之一：t=S合并協(xié)方差陣t=diag(S)合并協(xié)方差陣的對角陣t=S第t組內(nèi)的協(xié)方差陣tt=diag(S)第七組內(nèi)的協(xié)方差陣的對角陣tt=I單位陣?這時距離即普通歐氏距離t二、距離判別法2.1什么是距離判別法距離判別是以代判樣品到各總體的距離遠(yuǎn)近為判據(jù)的一種直觀判別方法?也稱為直觀判別法。距離判別的基本思想距離判別法的基本思想是?先根據(jù)已知分類的數(shù)據(jù)?分別計算各類的重心?然后計算待判樣本與各類的距離?與哪一類距離最近?就判待判樣本x屬于哪一類。距離判別的判別函數(shù)和判別準(zhǔn)則判別函數(shù)為：W(x)=D(x,G)?D(x,G)21判別準(zhǔn)則為：xEft,<0W(x),0三、貝葉斯判別法3.1什么是貝葉斯判別法貝葉斯判別是根據(jù)最小風(fēng)險代價判決或最大似然比判決?是根據(jù)貝葉斯準(zhǔn)則進(jìn)行判別分析的一種多元統(tǒng)計分析法。3.2貝葉斯判別法的基本思想

貝葉斯判別法的基本思想是:設(shè)有兩個總體?它們的先驗概率分別為q、1)、)?在觀測到一個樣本x的情況下?可用q?各總體的密度函數(shù)為f(xf(x212貝葉斯公式計算它來自第k個總體的后驗概率為:PGE=PGE=圉;:（才一種常用判別準(zhǔn)則是:對于待判樣本X?如果在所有的P(G/X)中P(G/x)kh是最大的?則判定x屬于第h總體。通常會以樣本的頻率作為各總體的先驗概率。3.3貝葉斯判別法的準(zhǔn)則設(shè)有定義明確的g個總體n1,n2,…，ng,分別為X1,X2,…,Xp的多元正態(tài)分布。對于任何一個個體，若已知p個變量的觀察值，要求判斷該個體最可能屬于哪一個總體。如果我們制訂了一個判別分類規(guī)則，難免會發(fā)生錯分現(xiàn)象。把實屬第i類的個體錯分到第j類的概率記為P(j,i),這種錯分造成的損失記為C(j,i)。Bayes判別準(zhǔn)則就是平均損失最小的準(zhǔn)則。按照這個準(zhǔn)則去找一種判別分類的規(guī)則,就是Bayes判別。3.4貝葉斯判別法的分類函數(shù)Byes準(zhǔn)則下判別分析的分類函數(shù)形式如下：Y1二C01+C11X1+C21X2+……+Cp1XpY2二C02+C12X1+C22X2+……+Cp2XpYg=C0g+C1gX1+C2gX2++CpgXp設(shè)有定義明確的g個總體n1,n2,…，ng,分別為X1,X2,…,Xp的多元正態(tài)分布。對于任何一個個體，若已知p個變量的觀察值，要求判斷該個體最可能屬于哪一個總體。如果我們制訂了一個判別分類規(guī)則，難免會發(fā)生錯分現(xiàn)象。把實屬第i類的個體錯分到第j類的概率記為P(j,i),這種錯分造成的損失記為C(j,i)。Bayes判別準(zhǔn)則就是平均損失最小的準(zhǔn)則。按照這個準(zhǔn)則去找一種判別分類的規(guī)則，就是Bayes判別。四、Fisher判別法4.1什么是Fisher判別法Fisher判別是一種先進(jìn)行高維向低位投影?再根據(jù)距離判別的一種方法。借助方差分析的思想構(gòu)造判別函數(shù)，相當(dāng)于一種投影，?使組間區(qū)別最大、組內(nèi)離差最小?然后代入新樣本數(shù)據(jù)?將其與判別臨界值比較以確定應(yīng)判為至哪一總體。Fisher判別法的基本思想Fisher判別法的基本思想是通過將多維數(shù)據(jù)投影至某個方向上?投影的原則是將總體與總體之間盡可能分開?然后再選擇合適的判別規(guī)則?將待判的樣本進(jìn)行分類判別。所謂的投影實際上是利用方差分析的思想構(gòu)造也一個或幾個超平面?使得兩組間的差別最大?每組內(nèi)的差別最小。Fisher判別函數(shù)和判別準(zhǔn)則判別函數(shù)：y=⑦一琢刀x判別準(zhǔn)則：?y>y,y>y120X€(；》?y>y,y<y120?y<y,y>y120xeGi?y<y,y<y120將兩類均值及待判樣本X的各項指標(biāo)代入判別函數(shù)可求得三個函數(shù)值y,ly?y般將y,y的加權(quán)平均值y。2120五、實例分析為研究1991年中國城鎮(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、西藏分別屬于哪個收入類型。判別指標(biāo)及原始數(shù)據(jù)見表1991年30個省、市、自治區(qū)城鎮(zhèn)居民月平均收人數(shù)據(jù)表單位:元,人x:人均生活費收入x:人均各種獎金、超額工資（國有+集體）16x：人均國有經(jīng)濟(jì)單位職工工資x:人均各種津貼（國有+集體）27x:人均來源于國有經(jīng)濟(jì)單位標(biāo)準(zhǔn)工資x:人均從工作單位得到的其他收入38x:人均集體所有制工資收入x:個體勞動者收入49x:人均集體所有制職工標(biāo)準(zhǔn)工資5樣品序地區(qū)xxxxxxxxx123456789類序號北京170.03110.259.768.384.4926.8016.4411.90.411號天津141.5582.5850.9813.49.3321.3012.369.211.052河北119.4083.3353.3911.07.5217.3011.7912.00.703上海194.53107.860.2415.68.8831.0021.0111.80.164山東130.4686.2152.3015.910.520.6l12.149.610.475湖北119.2985.4153.0213.18.4413.8716.478.380.51G16廣西134.4698.6148.188.904.3421.4926.1213.64.567海南143.7999.9745.606.301.5618.6729.4911.83.828四川128.0574.9650.1313.99.6216.1410.1814.51.219云南127.4193.5450.5710.55.8719.4121.2012.60.9010新疆122.96101.469.706.303.8611.3018.965.624.6211山西102.4971.7247.729.426.9613.127.96.660.611內(nèi)蒙古106.1476.2746.199.656.279.65520.1O6.970.962吉林104.9372.9944.6013.79.019.43520.616.651.683黑龍江103.3462.9942.9511.17.4l8.34210.196.452.684TOC\o"1-5"\h\z江西98.08969.4543.0411.47.9510.5916.507.691.085河南104.1272.2347.319.486.4313.1410.438.301.11G26貴州108.4980.7947.526.063.4213.6916.538.372.857陜西113.9975.650.885.213.8612.949.4926.771.278甘肅114.0684.3152.787.815.4410.8216.433.791.199青海108.8080.4150.457.274.078.37118.985.950.8310寧夏115.9688.2l51.858.815.6313.9522.654.750.9711遼寧128.4668.9143.4l22.415.313.8812.429.011.411江蘇135.2473.1844.5423.915.222.389.66113.91.192浙江162.5380.1145.9924.313.929.5410.9013.03.473G3安徽111.7771.0743.6419.412.516.689.6987.020.634福建139.0979.0944.1918.510.520.2316.477.673.085湖南124.0084.6644.0513.57.4719.1120.4910.31.766待廣東211.30114.041.4433.211.248.7230.7714.911.11西藏175.93163.857.894.223.3717.8182.3215.70.00判2貝葉斯判別的SPSS操作方法：1.建立數(shù)據(jù)文件2（單擊Analyze?Classify?Discriminant,打開DiscriminantAnalysis判別分析對話框如圖1所示:■UHcinwirraBfitAmIvhe迪Predl-ciedGnouplorAfif$PrctfeobiliiiccPrubabIIFticsiofMcmbcdPrii^^iliililinzraiIMkieiJhk別分析對話框如圖1所示:■UHcinwirraBfitAmIvhe迪Predl-ciedGnouplorAfif$PrctfeobiliiiccPrubabIIFticsiofMcmbcdPrii^^iliililinzraiIMkieiJhkraDefinerUinngc”件EffitarinilGp&ndsn=t9lagGtJicrrstcpwitcmclhod-棗乂別生拆浪■收.入I元甘人呦來題丁ES科段硏-矗九灼匪帽掛有劌工磅二I￡罰理*-IUnJhh^l...?血打fy-..■二■■???8--■?*1QrDLiping圖1DiscriminantAnalysis判別分析對話框3（從對話框左側(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。從對話框左側(cè)的變量列表中選分組變量Group進(jìn)入GroupingVariable框，并點擊DefineRange...鈕，在打開的DiscriminantAnalysis:DefineRange對話框中，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）。。選擇后點擊Continue按鈕返回DiscriminantAnalysis主對話框。返回DiscriminantAnalysis主對話框。圖2DefineRange對話框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。,Usestepwisemethod采用逐步判別法自動篩選變量。單擊該項時Method按鈕激活，打開StepwiseMethod對話框如圖3所示，從中可進(jìn)一步選擇判別分析方法。rrforpaIdiluterrforpaIdilutengcs衣^IkBMBvnbdft!JnG^plainctf^arian?廣Uahidanobisdi>scancc廣gmalleslFralrwr且外vVto^ni&rjij~iSummaryol5-tc-p^圖3StepwiseMethod對話框,Method欄，選擇變量的統(tǒng)計量方法Wilks'lambda（默認(rèn)）按統(tǒng)計量Wilks入最小值選擇變量;Unexplainedvariance:按照所有組方差之和最小值選擇變量;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。單擊Statistics按鈕，打開Statistics對話框如圖4所示，從中指定輸出的統(tǒng)計量。，Descriptives描述統(tǒng)計量欄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對各類中同一自變量均值都相等的假設(shè)進(jìn)行檢驗，輸出變量的方差分析結(jié)果（本例選擇）。Uii^rni^ANOVAsBox'sMUnMondnribzed圖4Statistics對話框Box'sM--對各類的協(xié)方差矩陣相等的假設(shè)進(jìn)行檢驗（本例選擇）。Matri＜；PSFunefionUii^rni^ANOVAsBox'sMUnMondnribzed圖4Statistics對話框Box'sM--對各類的協(xié)方差矩陣相等的假設(shè)進(jìn)行檢驗（本例選擇）。Matri＜；PSFunefionCo&tficlenU(VFiaht^s□fiFilinainbjscriminaritAnalyfis:arbisticBWHhingroupscnEreEatFcn廬Witlilngnjei^ittiaiiLcPSepsrate-groupccovariance立]oIejIcovflriancc：OrsMiptl￥T5Vhlcan^CaDi；plHe-lp,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）Unstandardized給出未標(biāo)準(zhǔn)化的典型判別（也稱典則判別）系數(shù)（費舍爾判別函數(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）單擊Classify按鈕，打開Classify對話框如圖5所示:11尿Fill師TiliTl；吊的ERTi倆斬11UeeCtkvailanccMalrix啟WtlhIngromps廠SeUeeCtkvailanccMalrix啟WtlhIngromps廠SeparatErgriaupsPtffte「PCutnibined-gromps廠RrpMrnti^-!jrnii|i：i17TcrrlloilfilmapCflntGhu^Ciinect廣細(xì)groupscqmai忘ComputefromgroupEi?e=s-Displayrr^aullsrLiinitcflcecioPSimmairy阿時已廠LcB^e-Ginc-autc-1a^e■曲口ithnrRcplaiccm沖曲egv^luctwllhrntan圖5Classify對話框,PriorProbabilities欄，選擇先驗概率。Allgroupsequal各類先驗概率相等（系統(tǒng)默認(rèn)）;Computefromgroupssizes各類的先驗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輸出每個觀測量包括判別分?jǐn)?shù)實際類預(yù)測類（根據(jù)判別函數(shù)求得的分類結(jié)果）和后驗概率等。Summarytable輸出分類的小結(jié)給出正確分類觀測量數(shù)（原始類和根據(jù)判別函數(shù)計算的預(yù)測類相同）和錯分觀測量數(shù)和錯分率（本例選擇）。Leave-one-outclassification輸出交互驗證結(jié)果。,Plots欄，要求輸出的統(tǒng)計圖Combined-groups生成一張包括各類的散點圖（本例選擇）;Separate-groups每類生成一個散點圖;Dlannrhln^ntCnnHnveDlannrhln^ntCnnHnveTerritorialmap根據(jù)生成的函數(shù)值把各觀測值分到各組的區(qū)域圖。（本例選擇）7單擊Save按鈕，打開Save對話框，見圖6.昱.PgroupmembershipPUistfiiFiinanlsc口「齊魯0pE^bablliHcsgruupmcnibcrshipExportmodelhrorm&liAHtoXMLIEI&Browfie,..I圖6Save對話框,Predictedgroupmembership建立一個新變量，系統(tǒng)根據(jù)判別分?jǐn)?shù)，把觀測量按后驗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)計算。（本例選擇）,Probabilitiesofgroupmembership建立新變量表明觀測量屬于某一類的概率。有m類，對一個觀測量就會給出m個概率值，因此建立m個新變量。（本例選擇）全部選擇完成后，點擊OK,得到輸出結(jié)果如下：AnalysisCaseProcessingSummary分類樣本綜述UnweightedCasesNPercentValid2893.3ExcludedMissingorout-ofrangegroupcodes26.7Atleastonemissingdiscriminatingvariable0.0Bothmissingorout-of-rangegroupcodesand0.0atleastonemissingdiscriminatingvariable

Total26.7Total30100.0GroupStatistics各類統(tǒng)計分析MeanStd.DeviationValidN（listwise）分類均值標(biāo)準(zhǔn)差有效樣本數(shù)UnweightedWeighted人均生活費收入（元/人）1139.266423.351251111.000人均國有經(jīng)濟(jì)單位職工工資93.091811.388291111.000人均來源于國有經(jīng)濟(jì)單位標(biāo)準(zhǔn)工資53.98826.805301111.000人均集體所有制工資收入11.20733.449371111.000人均集體所有制職工標(biāo)準(zhǔn)工資6.76452.896851111.000人均各種獎金、超額工資（國有+集體）19.80825.556001111.000人均各種津貼（國有+集體）17.83276.233051111.000均從工作單位得到的其他收入11.00182.561351111.000個體勞動者收入1.67361.745281111.000人均生活費收入（元/人）2107.30995.566411111.000人均國有經(jīng)濟(jì)單位職工工資75.90647.172331111.000人均來源于國有經(jīng)濟(jì)單位標(biāo)準(zhǔn)工資47.75363.420901111.000人均集體所有制工資收入9.08272.459001111.000人均集體所有制職工標(biāo)準(zhǔn)工資6.04091.772661111.000人均各種獎金、超額工資（國有+集體）11.27752.153231111.000人均各種津貼（國有+集體）15.43755.110231111.000均從工作單位得到的其他收入6.57731.383501111.000個體勞動者收入1.3845.734281111.000人均生活費收入（元/人）3133.515017.1164266.000人均國有經(jīng)濟(jì)單位職工工資76.17006.0628066.000人均來源于國有經(jīng)濟(jì)單位標(biāo)準(zhǔn)工資44.3033.9182566.000人均集體所有制工資收入20.33334.0903166.000人均集體所有制職工標(biāo)準(zhǔn)工資12.47833.0459266.000人均各種獎金、超額工資（國有+集體）20.30335.3934466.000人均各種津貼（國有+集體）13.27324.3472266.000均從工作單位得到的其他收入10.15002.8090766.000個體勞動者收入1.92331.1163166.000人均生活費收入（元/人）Total125.479622.225492828.000人均國有經(jīng)濟(jì)單位職工工資82.714312.090032828.000人均來源于國有經(jīng)濟(jì)單位標(biāo)準(zhǔn)工資49.46366.090332828.000人均集體所有制工資收入12.32825.365462828.000人均集體所有制職工標(biāo)準(zhǔn)工資7.70463.541432828.000人均各種獎金、超額工資（國有+集體）16.56306.108832828.000人均各種津貼（國有+集體）15.91475.541042828.000均從工作單位得到的其他收入9.08112.985132828.000個體勞動者收入1.61361.266012828.000TestsofEqualityofGroupMeans每個變量各類均值相等的檢驗Wilks'LambdaFdf1df2Sig.人均生活費收入（元/人）.54210.567225.000人均國有經(jīng)濟(jì)單位職工工資.50612.226225.000人均來源于國有經(jīng)濟(jì)單位標(biāo)準(zhǔn)工資.5838.923225.001人均集體所有制工資收入.33824.429225.000人均集體所有制職工標(biāo)準(zhǔn)工資.47813.672225.000人均各種獎金、超額工資（國有+集體）.49712.664225.000人均各種津貼（國有+集體）.8981.425225.259均從工作單位得到的其他收入.51611.715225.000個體勞動者收入.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源于國人均集體所有種獎金、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體勞費收入（元單位職單位標(biāo)制工資標(biāo)準(zhǔn)工資（國有（國有+單位得到的動者收/人）工工資準(zhǔn)工資收入資+集體）集體）其他收入入人均生活費收入（元/Covaria289.10192.21524.6949.270-.43864.10615.8289.298-1.158人）nce人均國有經(jīng)濟(jì)單位職92.21579.80623.013-13.984-14.10418.99931.151-2.2292.386工工資人均來源于國有經(jīng)濟(jì)24.69423.01323.374-3.496-2.0631.925-1.878-5.027-.052單位標(biāo)準(zhǔn)工資人均集體所有制工資9.270-13.984-3.49610.5247.8773.113-7.1581.660-1.670收入人均集體所有制職工-.438-14.104-2.0637.8776.469.484-7.895.665-1.611標(biāo)準(zhǔn)工資人均各種獎金、超額工64.10618.9991.9253.113.48420.020.3984.724-.782資（國有+集體）人均各種津貼（國有+15.82831.151-1.878-7.158-7.895.39829.766-.7042.849集體）均從工作單位得到的9.298-2.229-5.0271.660.6654.724-.7044.968-.020其他收入個體勞動者收入-1.1582.386-.052-1.670-1.611-.7822.849-.0201.683人均生活費收入（元/Correlatl.000.607.300.168-.010.843.171.245-.053人）ion人均國有經(jīng)濟(jì)單位職.6071.000.533-.483-.621.475.639-.112.206工工資人均來源于國有經(jīng)濟(jì).300.5331.000-.223-.168.089-.071-.466-.008單位標(biāo)準(zhǔn)工資人均集體所有制工資.168-.483-.2231.000.955.214-.404.230-.397收入人均集體所有制職工-.010-.621-.168.9551.000.043-.569.117-.488標(biāo)準(zhǔn)工資人均各種獎金、超額工.843.475.089.214.0431.000.016.474-.135資（國有+集體）人均各種津貼（國有+.171.639-.071-.404-.569.0161.000-.058.402集體）均從工作單位得到的.245-.112-.466.230.117.474-.0581.000-.007其他收入個體勞動者收入-.053.206-.008-.397-.488-.135.402-.0071.000aThecovariancematrixhas25degreesoffreedom.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人均集體所有人均各種均從工作活費收人均國有有經(jīng)濟(jì)體所有制職工獎金、超額人均各種單位得到個體勞分入（元/經(jīng)濟(jì)單位單位標(biāo)制工資標(biāo)準(zhǔn)工工資（國有津貼（國的其他收動者收類人）職工工資準(zhǔn)工資收入資+集體）有+集體）入入人均生活費收入1545.281179.03037.98513.286-1.453116.97635.80813.315-10.859(元/人)人均國有經(jīng)濟(jì)單179.030129.69335.643-18.802-20.62033.02346.461-2.1685.263位職工工資人均來源于國有經(jīng)濟(jì)單位標(biāo)準(zhǔn)工37.98535.64346.312-3.559-1.186-.665-6.736-10.545.482資人均集體所有制13.286-18.802-3.55911.8989.5605.957-12.6991.012-4.445工資收入人均集體所有制-1.453-20.620-1.1869.5608.3921.919-14.117-.005-3.647職工標(biāo)準(zhǔn)工資人均各種獎金、超額工資(國有+集116.97633.023-.6655.9571.91930.8695.4156.027-3.897體)人均各種津貼(國35.80846.461-6.736-12.699-14.1175.41538.8511.9946.789有+集體)均從工作單位得13.315-2.168-10.5451.012-.0056.0271.9946.560-.697到的其他收入個體勞動者收入-10.8595.263.482-4.445-3.647-3.8976.789-.6973.046人均生活費收入230.98532.28116.743-8.701-6.4253.9118.151-4.843-.269(元/人)人均國有經(jīng)濟(jì)單32.28151.44220.556-9.294-7.4985.98021.768-5.232-1.357位職工工資人均來源于國有經(jīng)濟(jì)單位標(biāo)準(zhǔn)工16.74320.55611.703-6.005-4.1723.0252.431-2.925-.978資人均集體所有制-8.701-9.294-6.0056.0474.231-2.4192.394.261.004工資收入人均集體所有制-6.425-7.498-4.1724.2313.142-1.380.196.155-.106職工標(biāo)準(zhǔn)工資人均各種獎金、超額工資(國有+集3.9115.9803.025-2.419-1.3804.636-2.436.506-.145體)人均各種津貼(國8.15121.7682.4312.394.196-2.43626.114-2.255-.323有+集體)均從工作單位得-4.843-5.232-2.925.261.155.506-2.2551.914.307到的其他收入個體勞動者收入-.269-1.357-.978.004-.106-.145-.323.307.539人均生活費收入3292.97238.45114.01337.17813.56778.758-8.77629.54716.466(元/人)人均國有經(jīng)濟(jì)單38.45136.7582.665-13.730-14.28616.99019.2973.6584.120位職工工資人均來源于國有經(jīng)濟(jì)單位標(biāo)準(zhǔn)工14.0132.665.8431.649.4004.905-.7831.806.732資人均集體所有制37.178-13.7301.64916.73111.8028.488-15.1805.753.532工資收入人均集體所有制13.567-14.286.40011.8029.2781.340-11.6323.026-.549職工標(biāo)準(zhǔn)工資人均各種獎金、超額工資(國有+集78.75816.9904.9058.4881.34029.089-3.96710.5564.171體)人均各種津貼(國-8.77619.297-.783-15.180-11.632-3.96718.898-2.9981.312有+集體)均從工作單位得29.5473.6581.8065.7533.02610.556-2.9987.891.680到的其他收入個體勞動者收入16.4664.120.732.532-.5494.1711.312.6801.246人均生活費收入Tot493.973182.38251.72240.60615.154123.39024.24539.8411.513(元/人)al人均國有經(jīng)濟(jì)單182.382146.16952.685-20.328-19.36240.53242.11811.4472.648位職工工資人均來源于國有經(jīng)濟(jì)單位標(biāo)準(zhǔn)工51.72252.68537.092-12.222-7.9587.1575.158-.595-.133資人均集體所有制40.606-20.328-12.22228.78818.41415.043-11.5725.872-.720工資收入人均集體所有制15.154-19.362-7.95818.41412.5426.755-10.5232.711-1.031職工標(biāo)準(zhǔn)工資人均各種獎金、超額工資(國有+集123.39040.5327.15715.0436.75537.3181.73713.194.106體)人均各種津貼(國24.24542.1185.158-11.572-10.5231.73730.703.7082.548有+集體)均從工作單位得39.84111.447-.5955.8722.71113.194.7088.911.335到的其他收入個體勞動者收入1.5132.648-.133-.720-1.031.1062.548.3351.603aThetotalcovariancematrixhas27degreesoffreedom.Box'sTestofEqualityofCovarianceMatrices協(xié)方差矩陣相等的檢驗LogDeterminantsLog分類RankDeterminant914.08791.573.(a).(b)Pooledwithin-groups915.603Theranksandnaturallogarithmsofdeterminantsprintedarethoseofthegroupcovariancematrices.aRank<6bToofewcasestobenon-singularTestResults(a)檢驗結(jié)果Box'sM195.630FApprox.2.155df145df21314.073Sig..000Testsnullhypothesisofequalpopulationcovariancematrices.aSomecovariancematricesaresingularandtheusualprocedurewillnotwork.Thenon-singulargroupswillbetestedagainsttheirownpooledwithin-groupscovariancematrix.Thelogofitsdeterminantis17.611.注意，檢驗沒有通過，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%Correlation5.082（a）60.760.7.9143.296（a）39.3100.0.876aFirst2canonicaldiscriminantfunctionswereusedintheanalysis.只有兩個判別函數(shù)，所以特征值只有兩個。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。Wilks'Lambda判別函數(shù)檢驗TestofFunction（s）Wilks'LambdaChi-squaredfSig.through2.03868.52318.0002.23330.6118.000上表中“Ithrough2”表示兩個判別函數(shù)的平均數(shù)在三個類間的差異情況，P值為0.000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算：判別函數(shù)1和判別函數(shù)2的Wilks?Lambda值為,,0.038,,（1，）（1，）（1，5.082）（1，3.296）1211判別函數(shù)2的Wilks?Lambda值為，，0.233,(1,)(1,3.296)2“2”表示在排除了第一個判別函數(shù)后，第二個判別函數(shù)在三個組別間的差異情況，P值=0.000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)Function2人均生活費收入(元/人)-.515.214人均國有經(jīng)濟(jì)單位職工工資3.3811.050人均來源于國有經(jīng)濟(jì)單位標(biāo)準(zhǔn)工資-1.109.244人均集體所有制工資收入2.446-3.031人均集體所有制職工標(biāo)準(zhǔn)工資-.8343.313人均各種獎金、超額工資(國有+集體)-1.227-.456人均各種津貼(國有+集體)-1.817.186均從工作單位得到的其他收入.3631.004個體勞動者收入.474.079StructureMatrix結(jié)構(gòu)矩陣：Function2人均集體所有制工資收入.545(*)-.366人均各種獎金、超額工資(國有+集體).415(*).204人均集體所有制職工標(biāo)準(zhǔn)工資.386(*)-.320均從工作單位得到的其他收入.360(*).291人均生活費收入(元/人).344(