判别分析操作.pptVIP

上表给出的是各个类先验概率的情况。 给出了贝叶斯判别的线性判别函数，有几个类就有几个函数，将样本带入函数计算其在各个类上的得分，比较不同类的判别分值，哪个大就判给哪个类。 上表给出的是样本判别分类统计表。 上半部分给出了各个样本的实际类别，最大可能所属的预测类别和次最大可能所属的预测类别，Discriminant scores是两个典型判别方程的得分。 下半部分是交互验证建立判别方程的结果。 上图是第一组（OECD国家）判别函数得分的散点图。 * * 例1：通过城市人口所占的比例、有文化居民的比例、人口增长率、人均GDP等四个变量来判别某国所属的类型。我们将国家分为三种类型，分别为OECD国家、亚太地区的国家和非洲地区的国家。来自三个总体的训练样本数分别为16、12、16，共44个样本。 第四章 判别分析(操作部分） 选择Analyze→Classify→Discriminant进入判别分析对话框，如下： ■ Grouping　Variable 框 用于选择已知的类别变量（离散型的）。 ? Define Range 按钮具体确定变量的取值范围。 ?Minimum栏 输入该分类变量的最小值。 ?Maximum栏 输入该分类变量的最大值。 ■Independents 用于指定判别分析的自变量。即建立判别函数所需的变量。 ?Enter independents together 所有自变量同时进入判别函数，是系统默认值。当认为所有自变量都能对样本观测值的特性提供丰富的信息，且彼此独立时使用该选项。 ?Use stepwise method 使用逐步判别法，按照所指定的引入或删除变量方法依次引入或删除变量。 ■Selection Variable 框 用于定义样本选择条件。选中一个变量引入框中，然后使用右侧的Value按钮定义一个取值，这样全部样本中只有该变量等于所指定值的样本才被纳入分析中。 ■Statistics对话框 用于给出一些统计量。 ?Descriptives ?Means 输出各类中各分类变量的均值、标准差和各分类变量总样本的均值和标准差。 ?Univariable ANOVA 输出各变量的方差分析结果，即进行假设检验，原假设是该变量在各类的均值相等。通过此项判断各个变量在不同组之间是否有差别，建立判别函数时选用该变量是否有意义。 ?Box， M 对各类的协方差矩阵相等的假设进行检验，一般不太关心这个结果。 ?Function coefficients 用于选择判别函数系数的输出形式: ?Fisher，s 给出Bayes判别准则的判别函数。 ?Unstandardized 给出 Fisher判别法建立判别函数的 未标准化系数。 ?Matrice ?Within-groups covariance matrix 计算合并类内协方差矩阵，是将各组协方差矩阵平均后计算的，区别于总协方差矩阵。 ?Within-groups correlaton matrix 是根据上述协方差矩阵计算的相关矩阵。 ?separate-groups covariance matrix 对每个类输出一个协方差矩阵 ?total covariance matrix 计算并显示总样本的协方差矩阵。 ■Classify 指定分类参数和判别结果。 ?Prior Probabilities 选择先验概率，两者选择其一： ?All groups equal 选项 各类先验概率相等。 ?Compute from groups sizes 选项 由各类 的样本量决定，各类的先验概率与其样本量成正比。 ?Use Covariance Matrix 选择分类使用的协方差矩阵。 ?Within-groups 选项 指定使用合并组内协方差矩阵进行分析。 ?Separate-groups 选项 指定使用各组协方差矩阵进行分析。此处一般不更改，使用默认值。 ?Display 选择生成到输出窗口的分类结果。 ?Casewise results 复选框 对每个观测变量输出实际类、预测类（根据判别函数求得的分类结果）和后验概率等。如果选择此项，下边有一个“limit cases to first”按设置的记录数输出前n个样本的判别结果。 ? summary table 复选框 输出分类小结。给出正确分类的样本数、错分的样本数和错分率。 ?Leave-one-out classification 即交互验证法（Cross-Va