第三讲DPS应用多元统计分析.pptVIP

（六）判别分析 逐步判别分析 在判别分析中，对判别结果可能产生影响的变量往往很多，但是影响有大有小。如果不加选择地一概采用来建立判别函数，不仅计算工作量大，而且往往由于变量间的自相关性，可使求解逆矩阵的计算精度下降，最终使得判别函数缺乏稳定性。因此，适当筛选变量是判别分析中一件很重要的事情。 凡具有筛选能力的判别分析方法统称为逐步判别分析。与通常的判别分析一样，逐步判别也有许多不同原则，从而产生各种不同的方法。这里所讨论的逐步判别分析法是在多组判别基础之上发展起来的一种方法，判别准则为贝叶斯(Bayes)判别函数。其基本思路与逐步回归分析类似，采用“有进有出”的算法，即变量按其重要与否逐步引入，原引入的变量也可能因后来引入的新变量而使之丧失重要性最终被剔除。每步引入或剔除变量都要作相应的统计检验，使最后的贝叶斯判别函数仅保留“重要”的变量。 （六）判别分析 逐步判别分析 在DPS 平台上，数据按一行一个样本、一列一个变量的格式依次输入，最右边一列为已知样本的类别号(用1，2，…表示)，将待判别样本的类别用0代替。然后将所有数据(连同类别一起)定义成数据块，在菜单下选项执行。 （六）判别分析 逐步判别分析 例：胡秉民(1987)对浙江北部地区嘉兴、桐乡和湖州1950～1982 年大麦赤霉病发生程度与气象因子关系进行研究，总结出上年12 月降雨量(x1)、上年10月下旬至11 月中旬和