2.判别分析.docx

判别分析 根据萼片和花瓣的四个度量对鸢尾花分类，实验数据来源例4-1.“1”代表Setosa鸢尾花，“2”代表Versicolor鸢尾花，“3”代表Virginica鸢尾花，将萼片长(SL)，萼片宽(SW)，花瓣长(PL)，花瓣宽(PW)四个作解释变量。 实验输出结果及分析： （表1）分析案例处理摘要未加权案例N百分比有效150100.0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150100.0 （表2）组统计量品种均值标准差有效的 N（列表状态）未加权的已加权的1花瓣长5.0060.352495050.000花瓣宽3.4280.379065050.000萼片长1.4620.173665050.000萼片宽.2460.105395050.0002花瓣长5.9360.516175050.000花瓣宽2.7700.313805050.000萼片长4.2600.469915050.000萼片宽1.3260.197755050.0003花瓣长6.5880.635885050.000花瓣宽2.9740.322505050.000萼片长5.5520.551895050.000萼片宽2.0260.274655050.000合计花瓣长5.8433.82807150150.000花瓣宽3.0573.43587150150.000萼片长3.75801.76530150150.000萼片宽1.1993.76224150150.000 （表3）组均值的均等性的检验Wilks 的 LambdaFdf1df2Sig.花瓣长.381119.2652147.000花瓣宽.59949.1602147.000萼片长.0591180.1612147.000萼片宽.071960.0072147.000如上3个表分析的是各组的描述统计量??对各组均值是否相等的检验。表1反映的是有效样本量及变量缺失的情况。表 2是各组变量的描述统计分析。表3是对各组均值是否相等的检验。由表3 可以看出，在0.01的显著水平上，我们拒绝变量萼片长，萼片宽，花瓣长和花瓣宽在三组的均值相等的假设，即认为这四个变量在三组的均值是有显著差异的。 协方差矩阵的均等性的箱式检验 （表4）对数行列式品种秩对数行列式14-13.06724-10.87434-8.927汇聚的组内4-9.959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5）检验结果箱的 M146.663F近似。7.045df120df277566.751Sig..000对相等总体协方差矩阵的零假设进行检验。如上输出结果是对各组协方差矩阵是否相等的箱式检验。表4反映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是对各总体协方差矩阵是否相等的统计检验。由F值及其显著水平，我们在0.05的显著水平下拒绝原假设，即拒绝假定各总体协方差矩阵相等。 典型判别式函数摘要 （表6）特征值函数特征值方差的 %累积 %正则相关性132.192a99.199.1.9852.285a.9100.0.471a. 分析中使用了前 2 个典型判别式函数。 （表7）Wilks 的 Lambda函数检验Wilks 的 Lambda卡方dfSig.1 到 2.023546.1158.0002.77836.5303.000输出结果分析的是典型判别函数。表6反映判别函数的特征根，解释方差的比例和典型相关系数。第一判别函数解释了99.1%的方差，第二判别函数解释了0.9%的方差，两个判别函数解释了全部方差。表7是对两个判别函数的显著性检验，由Wilks`Lambda检验，认为两个判别函数在0.05的显著水平上是显著的。 (表8)标准化的典型判别式函数系数函数1