第4章4.1判别分析.docVIP

第4章 判别分析 4.1 银行的贷款部门需要判别每个客户的信用好坏（是否未履行还贷责任），以决定是否给予贷款。可以根据贷款申请人的年龄（）、受教育程度（）、现在所从事工作的年数（）、未变更住址的年数（）、收入（）、负债收入比例（）、信用卡债务（）、其它债务（）等来判断其信用情况。下表是从某银行的客户资料中抽取的部分数据。 ⑴ 根据样本资料分别用距离判别法、Bayes判别法和Fisher判别法建立判别函数和判别规则； ⑵ 某客户的如上情况资料为（53，1，9，18，50，11.20，2.02，3.58），对其进行信用好坏的判别。 数据如下： 目前信用好坏 客户序号 　 　 　 　 　 　 　 　 1 23 1 7 2 31 6.6 0.34 1.71 2 34 1 17 3 59 8 1.81 2.91 3 42 2 7 23 41 4.6 0.94 0.94 4 39 1 19 5 48 13.1 1.93 4.36 5 35 1 9 1 34 5 0.4 1.3 未履行还贷责任 6 37 1 1 3 24 15.1 1.8 1.82 7 29 1 13 1 42 7.4 1.46 1.65 8 32 2 11 6 75 23.3 7.76 9.72 9 28 2 2 3 23 6.4 0.19 1.29 10 26 1 4 3 27 10.5 2.47 0.36 第一步：将数据导入spss: 第二步：将数据分组，整理如下： 第三步：选择“Analyze” →“Classify” →“Discriminate”命令，打开“Discriminate Analysis”对话框，如图所示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—x8进入Independents 框，作为判别分析的基础数据变量。选择组进入分组变量.如下图 第四步:定义分组变量的范围,最大值为2,最小值为1.如下图所示: 第五步:点击统计量按钮,选择描述统计量,矩阵及判别函数系中的选项: 第六步;点击分类按钮,进行选择,如下图: 第七步:点击确定,得出结果如下: Group Statistics 组 Mean Std. Deviation Valid N (listwise) Unweighted Weighted 1.00 X1 34.6000 7.23187 5 5.000 X2 1.2000 .44721 5 5.000 X3 11.8000 5.76194 5 5.000 X4 6.8000 9.17606 5 5.000 X5 42.6000 11.28273 5 5.000 X6 7.4600 3.43045 5 5.000 X7 1.0840 .75580 5 5.000 X8 2.2440 1.39622 5 5.000 2.00 X1 30.4000 4.27785 5 5.000 X2 1.4000 .54772 5 5.000 X3 6.2000 5.44977 5 5.000 X4 3.2000 1.78885 5 5.000 X5 38.2000 21.94767 5 5.000 X6 12.5400 6.90312 5 5.000 X7 2.7360 2.92821 5 5.000 X8 2.9680 3.81647 5 5.000 Total X1 32.5000 6.02310 10 10.000 X2 1.3000 .48305 10 10.000 X3 9.0000 6.05530 10 10.000 X4 5.0000 6.51494 10 10.000 X5 40.4000 16.61459 10 10.000 X6 10.0000 5.79463 10 10.000 X7 1.9100 2.19609 10 10.000 X8 2.6060 2.73598 10 10.000 Eigenvalues Function Eigenvalue % of Variance Cumulative % Canonical Correlation 1 7.422a 100.0 100.0 .939 a. First 1 canonical discriminant functions were used in the analysis. Function 1 X1 -.190 X2 3.344 X3 .968 X4 -2.358 X5 .418 X6 3.869 X7 1.694 X8 -6.847 St