SPSS-判别分析.pptVIP

第一类： F1= -25180-3.92X1+92.565X2+7.815X3+58.119X4 -163.5X5-0.033X6+507.238X7 第二类： F2= -24940-4.684X1+93.285X2+7.895X3+55.42X4 -159.775X5-0.033X6+504.755X7 ? 将两样品的自变量值代入上述两个贝叶斯判别函数，得到两个函数值，比较这两个函数值，哪个函数值比较大就可将该样品判入该类。 例如，将待判样品山东的各变量值分别代入两函数，得到F1=23126.21，F2=23136.71，比较两个函数值，得出F2较大，可以认为待判样品山东省应该属于第二类。 ? Bayes判别函数 将待判样品山东的各变量值分别代入Fisher判别函数（未标准化）中： Y1=59.979-0.189X1+0.178X2+0.02X3- 0.667X4+0.921X5+0.000098479X6+0.614X7 计算得判别得分：8.417476065（SPSS的Save对话框中的Discriminant Scores也可以直接输出此结果） 而两组的组重心分别为-2.178和1.867，显然，到第二组重心的距离更近。因此，将山东判别为第二类。 ? 利用Fisher判别函数进行判别 正确、错误判别率 各组正确判别率及总的判别率均为100% 交互验证法：两组的正确判别率分别为50%和85.7% 逐步判别分析 在主对话框中， 选择 Use stepwise method 单击 Method 按纽， 展开 Stepwise method 的对话框 选用数据文件8.sav 将x1, x2,…, x7移入Independents框 将Group移入Grouping Variables框 变量进入及删除表 选入判别函数的变量对正确判断分类是有作用的 进入判别分析的变量表 不在判别分析中的变量表 各步的Wilks统计量 判别指数及判别函数的显著性检验 Fisher判别函数的系数 Bayes判别函数的系数 判别率 “判别分析”的计算机实现 SPSS---Discriminant Discriminant Analyze Classifly Discriminant … 三种情形下的判别分析 使用SPSS默认选项进行判别分析 使用选择项进行判别分析 进行逐步判别分析 SPSS中使用的判别方法 SPSS的Discriminant过程中默认情况下使用的是Fisher判别，给出的是标准化的Fisher判别函数的系数 在指定选项后也可以给出Bayes判别的结果。但容易引起误会的是，用于输出Bayes判别的复选框的名字恰恰就叫Fisher！这是因为按判别函数值最大的一组进行归类这种思想是Fisher提出的，故而SPSS会如此命名。 Function Coefficients 复选框 SPSS中判别方法的选择 Fisher, s：给出Bayes判别函数，而不是 Fisher 判别函数 Unstandardized ：给出 Fisher判别法建立的判别函数的未标准化系数。由于可以将实测值直接代入方程计算判别得分，该系数使用起来较标准化系数更方便一些。 判别分析的参数指标 判别系数(函数系数)---function coefficient Bayes判别系数 结构系数---structural coefficient 组重心---group centroid 判别指数 (方差百分比)---percent of variance 剩余判别指标---Wilks’ Lambda 判别系数(函数系数) ---function coefficient 非标准化判别系数(unstandardized discriminant coefficient) ---非标准化判别函数是用来计算判别值 (discriminant score)的 标准化判别系数（standardized discriminant coefficient） 比较各变量对判别值的相对作用程度：哪个变量的标准化系数的绝对值大，就意味着它对判别值有较大影响 根据判别系数可以写出判别函数的具体形式。若有了判别变量值代入后，即可得到样品在空间中的位置 Bayes判别系数 Bayes判别系数可以直接进行一个样品的判断 最大的一个值对应的分组便是判别分组 结构系数---structural cofficient 结构系数又称为判别负载(discriminant loading)，实际上是某个判别变量x