判别分析的结果解释.docVIP

输入的/删除的变量a,b,c,d 步骤 Wilks 的 Lambda 精确 F 输入的 统计量 df1 df2 df3 统计量 df1 df2 Sig. 1 人均地方财政收入 .097 1 2 25.000 116.623 2 25.000 .000 2 人均国内生产总值 .051 2 2 25.000 41.194 4 48.000 .000 3 电话普及率 .018 3 2 25.000 49.447 6 46.000 .000 4 移动电话普及率 .013 4 2 25.000 42.990 8 44.000 .000 5 人均进出口贸易总额 .009 5 2 25.000 40.004 10 42.000 .000 在每个步骤中，输入了最小化整体 Wilk 的 Lambda 的变量。 逐步判别分析运行记录，第一步纳入人均地方财政收入，第二步纳入人均国内生产总值，以此类推。共5 个变量进入判别模型，其他5个变量未进入。5步的Wilks 的 Lambda检验均小于0.05。拒绝原假设，说明5步中分别纳入判别函数的变量对正确判断分类都是有作用的。 特征值 函数 特征值 方差的 % 累积 % 正则相关性 1 72.301a 99.3 99.3 .993 2 .511a .7 100.0 .582 a. 分析中使用了前 2 个典型判别式函数。 分析中一共提取出了来年各个维度的典型判别函数，期中第一个函数解释了所有变异的99.3%，第二个函数解释了0.7%。 Wilks 的 Lambda 函数检验 Wilks 的 Lambda 卡方 df Sig. 1 到 2 .009 108.271 10 .000 2 .662 9.496 4 .050 说明建立的各个判别函数有无统计学意义，上表显示第一个判别函数有意义，第二个判别函数搭边。 标准化的典型判别式函数系数 函数 1 2 人均国内生产总值 2.050 -.103 人均地方财政收入 3.090 -1.075 人均进出口贸易总额 .152 2.039 移动电话普及率 -1.163 -1.052 电话普及率 -1.466 .377 说明人均国内生产总值，人均地方财政收入在第一个判别函数中比较重要，人均进出口贸易总额、移动电话普及率、电话普及率在第二个判别函数中比较重要。 分类结果a Y 预测组成员 合计 1.00 2.00 3.00 初始 计数 1.00 2 0 0 2 2.00 0 1 0 1 3.00 0 0 25 25 未分组的案例 0 0 3 3 % 1.00 100.0 .0 .0 100.0 2.00 .0 100.0 .0 100.0 3.00 .0 .0 100.0 100.0 未分组的案例 .0 .0 100.0 100.0 a. 已对初始分组案例中的 100.0% 个进行了正确分类。 说明判别结果正确。 按照案例顺序的统计量 案例数目 最高组 第二最高组 判别式得分 P(Dd | G=g) 实际组 预测组 p df P(G=g | D=d) 到质心的平方 Mahalanobis 距离 组 P(G=g | D=d) 到质心的平方 Mahalanobis 距离 函数 1 函数 2 初始 1 1 1 .587 2 1.000 1.064 2 .000 534.926 28.773 -1.442 2 2 2 1.000 2 1.000 .000 3 .000 88.279 6.173 3.472 3 3 3 .841 2 1.000 .347 2 .000 99.363 -2.992 -.449 4 3 3 .380 2 1.000 1.933 2 .000 83.190 -1.663 -1.197 5 3 3 .074 2 1.000 5.197 2 .000 76.077 -.869 -1.675 6 3 3 .457 2 1.000 1.568 2 .000 73.883 -1.382 -.628 7 3 3 .106 2 1.000 4.482 2 .000 132.544 -4.476 -.904 8 3 3 .436 2 1.000 1.658 2 .000 114.061 -3.666 -.681 9 1 1 .587 2 1.000 1.064 2 .000 484.982 27.989 .466 10 3 3 .004 2 1.000 10.899 2 .000 48.468 -.744 2.685 11 3 3 .267 2