判别分析判别分析是一种常用的统计分析方法，根据观察或测量到若干.docVIP

判别分析 判别分析是一种常用的统计分析方法，根据观察或测量到若干变量值，判别研究对象属于哪一类的方法。 实验：实验数据见：判别分析2010.sav. 例1：一个城市的居民家庭，按其有无割草机可分为两组，有割草机的记为一组为，没有割草机的一组记为，割草机工厂欲判断一些家庭是否购买割草机。从和分别随机抽取12个样品，调查两项指标：家庭收入，房前屋后土地面积。 用y作为二元被解释变量，有割草机的家庭用1表示，没有割草机的家庭用0表示，作为解释变量。 实验步骤: 打开判别分析2010.sav,之后选择判别分析。 选择变量，定义范围 选用逐步判别法 在“统计量”中作相应选择 在“方法”栏中作相应选择 在“分类”中作相应选择 在“保存”中作相应选择 输出分析：表1 分析案例处理摘要 未加权案例 N 百分比 有效 24 100.0 排除的 缺失或越界组代码 0 .0 至少一个缺失判别变量 0 .0 缺失或越界组代码还有至少一个缺失判别变量 0 .0 合计 0 .0 合计 24 100.0 表1反映的是有效样本量及变量缺失的情况，从表中可见没有变量缺失。 表2 组统计量 VAR00003 均值 标准差 有效的 N（列表状态） 未加权的 已加权的 .00 VAR00001 19.1333 4.72235 12 12.000 VAR00002 8.8167 1.05644 12 12.000 1.00 VAR00001 26.4917 6.25960 12 12.000 VAR00002 10.1333 1.01025 12 12.000 合计 VAR00001 22.8125 6.59771 24 24.000 VAR00002 9.4750 1.21414 24 24.000 表2是各族变量的描述统计分析。 表3 组均值的均等性的检验 Wilks 的 Lambda F df1 df2 Sig. VAR00001 .676 10.568 1 22 .004 VAR00002 .693 9.736 1 22 .005 表3是对各组均值是否相等的检验，由表可见在0.01的显著性水平上我们拒绝变量x1,x2,在两组的均值相等的假设。即认为变量x1,x2在两组的均值是有极显著性差异的。 表4 对数行列式 VAR00003 秩 对数行列式 .00 2 3.207 1.00 2 3.587 汇聚的组内 2 3.447 打印的行列式的秩和自然对数是组协方差矩阵的秩和自然对数。 表4反应的是协方差矩阵的秩和行列式的对数值。由行列式值可以看出协方差矩阵不是病态矩阵。 表5 检验结果 箱的 M 1.102 F 近似。 .331 df1 3 df2 87120.000 Sig. .803 对相等总体协方差矩阵的零假设进行检验。 表5是对各总体协方差阵是否相等的统计检验，我们在0.05的显著性水平下没有足够的理由拒绝原假设，即：各总体协方差阵相等，因为0.8030.05. 表6 特征值 函数 特征值 方差的 % 累积 % 正则相关性 1 1.167a 100.0 100.0 .734 a. 分析中使用了前 1 个典型判别式函数。 表6反映判别函数的特征值，解释方差的比例和典型相关系数。 表7 Wilks 的 Lambda 函数检验 Wilks 的 Lambda 卡方 df Sig. dimension0 1 .461 16.243 2 .000 表7是对第一个判别函数的显著性检验，由Wilks‘Lambda检验，认为判别函数在0.01的显著水平上极显著。 表8 标准化的典型判别式函数系数 函数 1 VAR00001 .806 VAR00002 .785 表8是标准化的判别函数，表示为,这里为x1,x2的标准化变量，标准化化变量的系数也就是前面讲的判别权重。 表9 结构矩阵 函数 1 VAR00001 .641 VAR00002 .616 判别变量和标准化典型判别式函数之间的汇聚组间相关性 按函数内相关性的绝对大小排序的变量。 表9是结构矩阵，即判别载荷。由判别权重和判别载荷可以看出两个解释变量对判别函数的贡献较大。 表10 典型判别式函数系数 函数 1 VAR00001 .145 VAR00002 .759 (常量) -10.508 非标准化系数 表10是非标准化的判别函数，表示为。我们可以根据这个判别函数计算每个观测的判别Z得分。 表11 组质心处的函数 VAR00003 函数 1 dimension0 .00 -1.034 1.00 1.034 在组均值处评估的非标准化典型判别式函数 表