SPSS软件培训(第三单元)研讨.ppt

4. 打开Discrimnant Analysis:Statistics对话框，在左下部的Function Coefficients（函数系数）栏目中，选择Fisher’s和Unstandardized使相应的方格打叉。前者Fisher系数可以用来直接进行案例的鉴别，而后者是要求输出非标准化判别系数，于是我们可以知道判别函数式。 5. 打开Discrimnant Analysis:Classify对话框，在右下部的Display（显示）栏目中，选择Casewise Results 和Summary table，使相应的方格打叉。前者是要求输出每个案例的鉴别结果，使我们了解具体案例的鉴别情况，后者是鉴别的概要信息。 6. 如果需要将每一个案例的鉴别结果存入原来的数据文件以备其他分析，这时可点击判别分析窗口下面的Save键，打开Discriminant Analysis:Save保存窗口。能够保留案例鉴别结果中的三种信息，按上下顺序列在保留窗口，依次为：预测的案例分组；鉴别值；分组属性的概率。如果选择保存，SPSS可将这些数据附加在工作数据窗口中相应案例的原有数据之后。 7. 在Discriminant Analysis各窗口定义完毕，单击OK，系统执行Discriminant程序。 输出结果分析： 该表是判别分析过程的总结。对于判别变量type有记录14个，16个记录是缺失值。 该表反映判别变量type在3组中的分布情况。 该表是判别函数小结，由以下部分组成： 函数代号Function。 Eigenvalue两个判别函数的特征值，是组间平方和与组内平方和之比。最大特征值与组均值最大的向量对应。 ％ of Variance方差的百分比。 Cumulative方差累积百分比，最后累积值是100％。 Canonic Correlation判别相关系数，是组间平方和与总平方和之比的平方根。被平方的是由组间差异解释的变异总和的比。 该表是Wilks’Lambda统计量，该组统计量进行的检验的零假设是各组各变量均值相等。无论哪种检验方法，都是对判别函数的有效性进行检验。判断该判别函数能否将两类很好地区分开。 Wilks’Lambda统计量的取值范围在0～1之间，值接近0表示组均值不同，值接近1表示组均值没有不同（等于1表示所有均值相同）。 Chi-Square是对Wilks’Lambda的卡方转换，用以确定其显著性。 Df是获取显著性水平的自由度。 Sig.是零假设成立的概率。 该表为标准化的判别函数的系数，由此表可以得到两个判别函数： Y1＝1.03784x1-0.78122x2-1.47771x3+1.46174x4+0.15392x5 Y2=0.20164x1-0.03439x2-0.59251x3-0.11642x4+1.51750x5 该表是组内结构系数矩阵表。SPSS在判别分析时还能自动按组内结构系数分组，它选择最大的一些组内结构系数标上星号，并且按组排序列出。 上述输出中可以看出，x2 和x1被放在一组，它们与第一函数的联系更为密切。根据判别变量的原有定义，这两个变量都是测量计划生育水平的，因此我们可以称第一函数为计划生育函数。而x5 、x3 和x4被放在另一组，它们与第二函数联系密切。这些变量都是描述社会经济发展水平的，所以可以称第二函数为社会经济函数。 非标准化的判别系数，我们也可以根据该表推导出两个判别函数： Y1＝65.6113916+0.2777410x1-0.7069548x2-0.2314016x3+0.0016683x4+0.0145724x5 Y2=1.5560233+0.0539604x1-0.0311224x2-0.0927843x3-0.000132867x4+0.1436736x5 该表是组（类）均值（重心）处的判别函数值。 第一类：类中心的函数值为Y1= -4.549，Y2=1.346 第二类：类中心的函数值为Y1= -2.137，Y2= -1.655 第三类：类中心的函数值为Y1=8.358，Y2=0.387 该表是分类处理的小结，表示30个记录都已经进行了分类。 该表表示已经分类的14个记录的先验概率、观测量数目和权数。 Fisher判别函数，Fisher判别系数的应用方法类似非标准化的判别系数，只要有新案例的各项xi值，就可以依照判别函数那样计算出Fisher鉴别值来。 比如例题中第一个案例是尚未分组的，它的x1至x5的值分别为： 0.94、89.89、64.51、 3577 、 73.08 我们可以将其所有判别变量值分别代入Fisher判别函数计算出Fisher鉴别值：