判別分析的一般步驟及SPSS實現(xiàn).ppt

1、A,1,判別分析的一般步驟及SPSS實現(xiàn),判別分析的邏輯框圖,A,4,例1:為研究某地區(qū)人口死亡狀況，已按某種方法將15個已知地區(qū)樣品分為3類，指標含義及原始數(shù)據(jù)如下。試建立判別函數(shù)，并判定另外4個待判地區(qū)屬于哪類？,判別分析的SPSS實現(xiàn),表7.1 各地區(qū)死亡概率表,(一) 操作步驟 1. 在SPSS窗口中選擇AnalyzeClassifyDiscriminate，調(diào)出判別分析主界面，將左邊的變量列表中的“group”變量選入分組變量中，將 選入自變量中，并選擇Enter independents together單選按鈕，即使用所有自變量進行判別分析。,圖7.2 判別分析主界面,X1,X6

2、,A,7,2. 點擊Define Range按鈕，定義分組變量的取值范圍。本例中分類變量的范圍為1到3，所以在最小值和最大值中分別輸入1和3。單擊Continue按鈕，返回主界面。,判別分析的SPSS實現(xiàn),A,8,3. 單擊Statistics按鈕，指定輸出的描述統(tǒng)計量和判別函數(shù)系數(shù)。選中Function Coefficients欄中的Fishers和Unstandardized。這兩個選項的含義如下： Fishers：給出Bayes判別函數(shù)的系數(shù)。（注意：這個選項不是要給出Fisher判別函數(shù)的系數(shù)。這個復選框的名字之所以為Fishers，是因為按判別函數(shù)值最大的一組進行歸類這種思想是由Fi

3、sher提出來的。這里極易混淆，請注意辨別。） Unstandardized：給出未標準化的Fisher判別函數(shù)（即典型判別函數(shù)）的系數(shù)（SPSS默認給出標準化的Fisher判別函數(shù)系數(shù)）。,判別分析的SPSS實現(xiàn),A,9,注：由于SPSS中的判別分析沒有距離判別這一方法，因此距離判別法無法在SPSS中直接實現(xiàn)(但可以通過Excel等軟件來進行手工計算)。,判別分析的SPSS實現(xiàn),A,10,單擊Continue按鈕，返回主界面。,圖7.3 Statistics子對話框,判別分析的SPSS實現(xiàn),4. 單擊Classify按鈕，定義判別分組參數(shù)和選擇輸出結(jié)果。選擇Display欄中的Casewis

4、e results，輸出一個判別結(jié)果表，包括每個樣品的判別分數(shù)、后驗概率、實際組和預測組編號等。其余的均保留系統(tǒng)默認選項。單擊Continue按鈕。,圖7.4 Classify子對話框,A,12,5. 單擊Save按鈕，指定在數(shù)據(jù)文件中生成代表判別分組結(jié)果和判別得分的新變量，生成的新變量的含義分別為： Predicted group membership：存放判別樣品所屬組別的值； Discriminant scores：存放Fisher判別得分的值，有幾個典型判別函數(shù)就有幾個判別得分變量； Probabilities of group membership：存放樣品屬于各組的Bayes后驗概

5、率值。 將對話框中的三個復選框均選中，單擊Continue按鈕返回。,判別分析的SPSS實現(xiàn),A,13,圖7.5 Save子對話框,6. 返回判別分析主界面，單擊OK按鈕，運行判別分析過程。,判別分析的SPSS實現(xiàn),A,14,（二） 主要運行結(jié)果解釋 1. Standardized Canonical Discriminant Function Coefficients（給出標準化的典型判別函數(shù)系數(shù)） 標準化的典型判別函數(shù)是由標準化的自變量通過Fisher判別法得到的，所以要得到標準化的典型判別得分，代入該函數(shù)的自變量必須是經(jīng)過標準化的。 2. Canonical Discriminant F

6、unction Coefficients（給出未標準化的典型判別函數(shù)系數(shù)） 未標準化的典型判別函數(shù)系數(shù)由于可以將實測的樣品觀測值直接代入求出判別得分，所以該系數(shù)使用起來比標準化的系數(shù)要方便一些。見表7.2（a）。,判別分析的SPSS實現(xiàn),A,15,由此表可知，兩個Fisher判別函數(shù)分別為： 實際上兩個函數(shù)式計算的是各觀測值在各個維度上的坐標，這樣就可以通過這兩個函數(shù)式計算出各樣品觀測值的具體空間位置。,判別分析的SPSS實現(xiàn),A,16,表7.2（a） 未標準化的典型判別函數(shù)系數(shù),判別分析的SPSS實現(xiàn),3. Functions at Group Centroids（給出組重心處的Fisher

7、判別函數(shù)值） 如表7.2 (b) 所示，實際上為各類別重心在空間中的坐標位置。這樣，只要在前面計算出各觀測值的具體坐標位置后，再計算出它們分別離各重心的距離，就可以得知它們的分類了。,表7.2（b） 組重心處的Fisher判別函數(shù)值,A,18,4. Classification Function Coefficients（給出Bayes判別函數(shù)系數(shù)） 如表7.3所示，Group欄中的每一列表示樣品判入相應(yīng)列的Bayes判別函數(shù)系數(shù)。在本例中，各類的Bayes判別函數(shù)如下： 第一組： 第二組： 第三組：,判別分析的SPSS實現(xiàn),A,19,將各樣品的自變量值代入上述三個Bayes判別函數(shù)，得到三個

8、函數(shù)值。比較這三個函數(shù)值，哪個函數(shù)值比較大就可以判斷該樣品判入哪一類。例如，將第一個待判樣品的自變量值分別代入函數(shù)，得到： F1=3793.77， F2=3528.32， F3=3882.48 比較三個值，可以看出第一個待判樣品應(yīng)該屬于第三組。,判別分析的SPSS實現(xiàn),A,20,表7.3 Bayes判別法的輸出結(jié)果,判別分析的SPSS實現(xiàn),A,21,5. Casewise Statistics（給出個案觀察結(jié)果） 在Casewise Statistics輸出表針對每個樣品給出了了大部分的判別結(jié)果，其中包括：實際類（Actual Group）、預測類（Predicted Group）、Bayes

9、判別法的后驗概率、與組重心的馬氏距離（Squared Mahalanobis Distance to Centroid）以及Fisher判別法的每個典型判別函數(shù)的判別得分（Discriminant Scores）。出于排版要求，這里給出結(jié)果表的是經(jīng)過加工的，隱藏了其中的一些項目，如表7.4所示。從表中可以看出四個待判樣本依次被判別為第三組、第一組、第二組和第三組。,判別分析的SPSS實現(xiàn),表7.4 個案觀察結(jié)果表,A,23,6. 由于我們在Save子對話框中選擇了生成表示判別結(jié)果的新變量，所以在數(shù)據(jù)編輯窗口中，可以觀察到產(chǎn)生的新變量。其中，變量dis-1存放判別樣品所屬組別的值，變量dis1-

10、1和dis2-1分別代表將樣品各變量值代入第一個和第二個判別函數(shù)所得的判別分數(shù)，變量dis1-2、dis2-2和dis3-2分別代表樣品分別屬于第1組、第2組和第3組的Bayes后驗概率值。,判別分析的SPSS實現(xiàn),A,24,例2: 對國家類別的判別,判別分析的SPSS實現(xiàn),14個國家的出生時預期壽命和成人識字率,A,26,分析分類判別 基本設(shè)定：,判別分析的SPSS實現(xiàn),相關(guān)選項,刀切法的分類效果,原始數(shù)據(jù)的分類效果,相關(guān)選項,保存分類結(jié)果,A,30,結(jié)果分析：方差分析,識字率在各組中差別很不顯著，對分類的作用可能不大。,判別分析的SPSS實現(xiàn),A,31,Fisher判別函數(shù),D=-16.661+0.342預期壽命-0.09識字率,判別分析的SPSS實現(xiàn),A,32,兩類的重心,根據(jù)待判樣品的數(shù)據(jù)計算Fisher判別函數(shù)的值，離哪個組的重心近就歸入哪一類。,判別分析的SPSS實現(xiàn),A,33,分類函數(shù),D1=-190+5.44預期壽命-0.362識字率 D2=-162+4.88預期壽命-0.214