贝叶斯判别费希尔判别法的计算机操作及结果分析.doc

贝叶斯判别、费希尔判别法的计算机操作及结果分析 实验内容、目标及要求 （一）实验内容 选取140家上市公司作为样本，其中70家为由于“财务状况异常”而被交易所对其股票实行特别处理（Special Treatment，简称ST）的公司，另外70家为财务正常的公司。为了研究上市公司发生财务困境的可能性，以“是否被ST”为分组变量，选择资产负债率、总资产周转率和总资产利润率几个财务指标作为判别分析变量，这三个指标分别从上市公司的偿债能力、资产管理能力和获利能力三个不同的角度反映了企业的财务状况。 （二）实验目标 贝叶斯判别、费希尔判别法的计算机操作及结果分析。 （三）实验要求 要求学生能熟练应用计算机软件进行判别分析并对结果进行分析，培养实际应用能力。 二、实验准备 （一）运行环境说明 电脑操作系统为Windows XP及以上版本，所需软件为SPSS 16.0。 （二）基础数据设置说明 将数据正确导入SPSS，设置相应的变量值。 三、实验基本操作流程及说明 （一）系统界面及说明 同实验一。 （二）操作步骤 1. 选择菜单项Analyze→Classify→Discriminate，打开Discriminate Analysis对话框，如图 41。将分组变量st移入Grouping Variable列表框中，将自变量x1－x3选入Independents列表框中。 选择Enter independents together单选按钮，即使用所有自变量进行判别分析。若选择了Use stepwise method单选按钮，则可以根据不同自变量对判别贡献的大小进行变量筛选，此时，对话框下方的Method按钮被激活，可以通过点击该按钮设置变量筛选的方法及变量筛选的标准。 图 41 Discriminate Analysis对话框 2. 单击Define Range按钮，在打开的Define Range子对话框中定义分组变量的取值范围。本例中分类变量的取值范围为0到1，所以在Minimum和Maximum输入框中分别输入0和1。单击Continue按钮，返回主对话框。 3. 如果不想使用全部的样本进行分析，单击Select按钮，则Discriminate Analysis对话框下方会跳出一个Selection Variable列表框，将一个选择变量移入Selection Variable列表框，并单击Rule按钮，设置选择条件。这样，只有满足选择条件的观测才能参与判别分析。 4. 单击Statistics按钮，在跳出的Statistics子对话框中指定输出的描述统计量和判别函数系数。该对话框中各选项的含义如下： Descriptives选项栏：输出原始数据的描述性统计量 Means：输出各类中所有自变量的均值、组内标准差以及总样本的均值和标准差； Univariate ANOVA：进行单因素方差分析，检验的原假设为不同类别中自变量的均值不存在显著差异； Box’s M：对各类的协方差矩阵是否相等进行检验。 Matrices选项栏：输出各种不同的协差阵和相关系数矩阵 Within-groups correlation matrix：平均组内相关系数矩阵，它是由平均组内协差阵计算得到的； Within-groups covariance matrix：平均组内协差阵，它是由各组的协差阵平均后得到的； Separate-groups covariance matrix：分别输出各个类的协差阵； Total covariance matrix：总体协差阵。 Function Coefficients选项栏：输出不同的判别函数系数 Fisher’s：给出Bayes线性判别函数的系数。（注意：这个选项不是要给出Fisher判别函数的系数。这个复选框的名字之所以为Fisher’s，是因为按判别函数值最大进行归类这种思想是由Fisher提出来的。这里极易混淆，请读者注意辨别。） Unstandardized：给出未标准化的Fisher判别函数（即典型判别函数）的系数。（SPSS默认给出标准化的Fisher判别函数系数） 这里我们仅选择Function Coefficients选项栏中的两个选项Fisher’s和Unstandardized，以便得到所需要的Bayes判别函数和Fisher判别函数，其余选项均不作选择。 图42 Statistics子对话框 5. 单击Classify按钮，打开Classification子对话框，如图 43。对话框中各选项的含义如下： Prior Probabilities选项栏：用于设定在Bayes判别法中各类的先验概率，其中All groups equal表示各类先验概率相等，Compute f