SPSS操作方法判别分析例题Word文档格式.docx
- 文档编号:22034681
- 上传时间:2023-02-02
- 格式:DOCX
- 页数:31
- 大小:370.75KB
SPSS操作方法判别分析例题Word文档格式.docx
《SPSS操作方法判别分析例题Word文档格式.docx》由会员分享,可在线阅读,更多相关《SPSS操作方法判别分析例题Word文档格式.docx(31页珍藏版)》请在冰豆网上搜索。
四川
10
云南
11
新疆
G2
山西
内蒙古
吉林
黑龙江
7.41
江西
河南
贵州
陕西
甘肃
青海
宁夏
88.21
G3
辽宁
43.41
江苏
浙江
安徽
福建
湖南
待判
广东
西藏
贝叶斯判别的SPSS操作方法:
1.建立数据文件
2.单击AnalyzefClassifyfDiscriminant,打开DiscriminantAnalysis判别分析对话框如图1所示:
图1DiscriminantAnalysis判别分析对话框
3.从对话框左侧的变量列表中选中进行判别分析的有关变量x1~x9进入
Independents框,作为判别分析的基础数据变量。
从对话框左侧的变量列表中选分组变量Group进入GroupingVariable
框,并点击DefineRange...钮,在打开的DiscriminantAnalysis:
Define
Range对话框中,定义判别原始数据的类别数,由于原始数据分为3类,则
在Minimum(最小值)处输入1,在Maximu(最大值)处输入3(见图2)。
。
选择后点击Continue按钮返回DiscriminantAnalysis主对话框。
4、选择分析方法
所有变量全部参与判别分析(系统默
Enterindependenttogether
认)。
本例选择此项。
单击该项时Method按钮激活,打开StepwiseMethod对话框如图3所示,从中可进一步选择判别分析方法。
图3StepwiseMethod对话框
Method栏,选择变量的统计量方法
Wilks'
lambda(默认)按统计量Wilks入最小值选择变量;
Unexplainedvarianee:
按照所有组方差之和最小值选择变量;
Mahalanobis'
distanee:
按照相邻两组的最大马氏距离选择变量;
SmallestFratio:
按组间最小F值比的最大值选择变量;
RaosV按照统计量RaoV最大值选择变量。
Criteria选择逐步回归的标准(略)选择系统默认项。
5.单击Statistics按钮,打开Statistics对话框如图4所示,从中指定输出的统计量。
Deseriptives描述统计量栏
Means-各类中各自变量的均值,标准差stdDev和各自变量总样本的均值和标准差(本例选择)。
UnivariateANOV----对各类中同一自变量均值都相等的假设进行检验,输出单变量的方差分析结果(本例选择)。
Box'
sM--对各类的协方差矩阵相等的假设进行检验(本例选择)。
图4Statistics对话框
Functioncoefficients选择输出判别函数系数
Fisherh'
s给出贝叶斯判别函数系数(本例选择)
Unstandardized给出未标准化的典型判别(也称典则判别)系数(费
舍尔判别函数)。
Matrices栏选择给出的自变量系数矩阵
Within-groupscorrelation
Within-groupscovarianee
Separate-groupscovarianee
合并类内相关系数矩阵(本例选择)合并类内协方差矩阵(本例选择)
各类内协方差矩阵(本例选择)
Totalcovarianee总协方差矩阵(本例选择)
6.单击Classify按钮,打开Classify对话框如图5所示:
Di^criiniinantAnalysis:
Classificatiori
厂Replacemissingvaluesv/ithmean
PriorProbabilities
栏,选择先验概率。
Allgroupsequal各类先验概率相等(系统默认);
Computefromgroupssizes各类的先验概率与其样本量成正比.(本
例选择)
UseCovarianeeMatrix栏,选择使用的协方差矩阵
Within-groups--使用合并类内协方差矩阵进行分类(系统默认)(本
Separate-groups--使用各类协方差矩阵进行分类
Display栏,选择生成到输出窗口中的分类结果
Casewiseresults输出每个观测量包括判别分数实际类预测类(根据
判别函数求得的分类结果)和后验概率等。
Summarytable输出分类的小结给出正确分类观测量数(原始类和根据
判别函数计算的预测类相同)和错分观测量数和错分率(本例选择)。
Leave-one-outelassifieation输出交互验证结果。
Plots栏,要求输出的统计图
Combined-groups生成一张包括各类的散点图(本例选择);
Separate-groups每类生成一个散点图;
Territorialmap根据生成的函数值把各观测值分到各组的区域图。
(本
6.单击Save按钮,打开Save对话框,见图6.
Predictedgroupmembership建立一个新变量,系统根据判别分数,把观测量按后验概率最大指派所属的类;
(本例选择)
Diseriminantscore建立表明判别得分的新变量,该得分是由未标准
化的典则判别函数计算。
Probabilitiesofgroupmembership建立新变量表明观测量属于某一
类的概率。
有m类,对一个观测量就会给出m个概率值,因此建立m个新变量。
全部选择完成后,点击0K得到输出结果如下:
AnalysisCaseProcessingSummary分类样本综述
UnweightedCases
N
Percent
Valid
28
Excluded
Missingorout-of-rangegroupcodes
Atleastonemissingdiscriminating
variable
.0
Bothmissingorout-of-rangegroup
codesand
atleastonemissingdiscriminating
Total
30
GroupStatistics各类统计分析
分类
Mean
均值
Std.Deviation
标准差
ValidN(listwise)
有效样本数
Unweighted
Weighted
人均生活费收入(元/人)
人均国有经济单位职工工资
人均来源于国有经济单位标准工资
人均集体所有制工资收入
人均各种奖金、超额工资(国有+集体)
人均各种津贴(国有+集体)
均从工作单位得到的其他收入
个体劳动者收入
.73428
3人均生活费收入(元/人)
.91825
Total人均生活费收入(元/人)
TestsofEqualityofGroupMeans每个变量各类均值相等的检验
Wilks'
Lambda
F
df1
df2
Sig.
.542
25
.000
.506
.583
.001
.338
.478
人均各种奖金、超额工资(国有+集体)
.497
.898
.259
.516
.972
.354
.705
人均生活费收入(元
/人)
人均国有经济单位职工工资
人均来源于国有经济单位标准工资
人均集
体所有制工资
收入
人均集体所有制职工标准工资
人均各种奖金、
超额工
资(国有
+集体)
人均各
种津贴
(国有+
集体)
人均从工作单位得到的其他收入
个体劳
动者收
入
Covaria
人均生活费收入(元/
nce
人)
人均国有经济单位职
工工资
人均来源于国有经济
单位标准工资
人均集体所有制工资
人均集体所有制职工
标准工资
人均各种奖金、超额工资(国有+集体)
.484
.398
.665
人均各种津贴(国有+集体)
均从工作单位得到的
其他收入
Correlation
.607
.300
.168
.843
.171
.245
.533
.475
.639
.206
.089
人均集体所有制工资收入
.955
.214
.230
人均集体所有制职工标准工资
.043
.117
.016
.474
.402
aThecovariancematrixhas25degreesoffreedom.
人均生
活费收
人均国有
人均来
源于国
有经济
体所有
制职工
人均各种
奖金、超额
均从工作
单位得到
分
入(元/
经济单位
单位标
制工资
标准工
工资(国有
津贴(国
的其他收
职工工资
准工资
资
有+集体)
人均生活费收入
(元/人)
人均国有经济单位职工工资
人均来源于国有
经济单位标准工
人均集体所有制
工资收入
人均集体所有制职工标准工资
人均各种奖金、超额工资(国有+集
体)
人均各种津贴(国有+集体)均从工作单位得到的其他收入个体劳动者收入
.482
人均来源于国有经济单位标准工资
.261
.004
职工标准工资
.196
.155
人均各种津贴(国有+集体)均从工作单位得
到的其他收入
.307
.539
Total
人均集体所有制职工标准工资人均各种奖金、超额工资(国有+集
.400
.732.532
aThetotalcovariancematrixhas27degreesoffreedom.
.680
.708
.732
.532
.106
.335
sTestofEqualityofCovarianeeMatrices协方差矩阵相等的检验
LogDeterminants
Rank
Log
Determinant
.(a)
.(b)
Pooledwithin-groups
Theranksandnaturallogarithmsofdeterminantsprintedarethoseofthegroupcovariancematrices.
aRank<
6
bToofewcasestobenon-singular
TestResults(a)检验结果
sM
Approx.
45
Testsnullhypothesisofequalpopulationcovariancematrices.
aSomecovariancematricesaresingularandtheusualprocedurewillnotwork.Thenon-singulargroupswillbetestedagainsttheirownpooledwithin-groupscovariancematrix.Thelogofitsdeterminantis.
注意,检验没有通过,即各类的协方差相等的假设在显著性水平下是不成立的。
SummaryofCanonicalDiscriminantFunctions典型判别函数综述
Eigenvalues特征值
Function
Eigenvalue
%ofVariance
Cumulative%
Canonical
Correlation
(a)
.914
.876
aFirst2canonicaldiscriminantfunctionswereusedintheanalysis.
只有两个判别函数,所以特征值只有两个。
判别函数的特征值越大,说明函数越具有区别判断力。
最后一列表示是典则相关系数,是组间平方和与总平方和之比的平方根,表示判别函数分数与组别间的关联程度。
Lambda判别函数检验
TestofFunction(s)
Chi-square
df
1through2
.038
18
.233
上表中“〔through2”表示两个判别函数的平均数在三个类间的差异情况,P值为表示差异达到显著水平。
判别函数的Wilks'
Lambda值可以通过特征值计算:
判别函数1和判别函数2的Wilks'
Lambda值为
(1—5.082)(1—3.296)。
炎
11
判别函数2的Wilks'
Lambda值为一110.233
(12)(13.296)
“2”表示在排除了第一个判别函数后,第二个判别函数在三个组别间的差异情况,P值=表示差别函数2也达到显著水平.
StandardizedCanonicalDiscriminantFunctionCoefficients标准化典型判别函数(系统默认结果)
人均生活费收入(元/人)人均国有经济单位职工工资
.244
.186
.363
.079
StructureMatrix结构矩阵:
人均各种奖金、超额工资(国有+集体)人均集体所有制职工标准工资均从工作单位得到的其他收入
.545(*)
.415(*)
.386(*)
.360(*)
.344(*)
.075(*)
.128
.204
.291
.271
.521(*)
.465(*)
.182(*)
Pooledwithin-groupscorrelationsbetweendiscriminatingvariablesandstandardizedcanonicaldiscriminantfunctionsVariablesorderedbyabsolutesizeofcorrelationwithinfunction.
*Largestabsolutecorrelationbetweeneachvariableandanydiscriminantfunction
结构矩阵是变量和标准化典型判别函数的组内相关矩阵。
FunctionsatGroupCentroids类中心坐标(非标准化典型判别下的类中心)
.741
Unstandardizedcanonicaldiscriminantfunctionsevaluatedatgroupmeans
ClassificationStatistics分类分析(输出贝叶斯判别结果)
ClassificationProcessingSummary综述表
Processed
31
M
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- SPSS 操作方法 判别分析 例题