判别分析的SPSS实现.ppt

Discriminant对话框 Grouping Variable：已知的观测量所属类别的变量（分类变量） Independents：观测量，即参与判别分析的变量。 Use Stepwise method ：当不认为所有自变量都能对观测量特性提供丰富的信息时，使用该选择项。因此根据对判别贡献的大小进行选择。 Enter independent together ：当所有自变量都能对观测量特性提供丰富的信息时，使用该选择项。选择该项将不加选择地使用所有自变量进行判别分析，建立全模型。不需要进一步进行选择。 分类变量范围对话框 指定判别分析的自变量 在主对话框的左面的变量表中选择表明观测量特征的变量，按下面一个箭头按钮，把选中的变量移到“Independents:”下面的矩形框中，作为参与判别分析的变量。 Indepents对话框 数据判别分析 完成前面四步骤的操作即可使用各种系统默认值对工作数据集的数据进行判别分析了。可以使用的方法有两种： (1)直接运行：在主对话框中按（用鼠标单击）Ok按钮 (2)生成SPSS命令程序后再运行：在主对话框中按Paste按钮，激活Syntax窗，在该窗中按Run按钮执行该语句窗中的程序。 无论哪种方法均可在output窗中显示出分析结果。 完全使用系统默认值进行判别分析，其结果有时不能令人满意，因此根据以下步骤指定选择项是很有必要的。 选择观测量 如果希望使用一部分观测量进行判别函数的推导，而且有一个变量的某个值可以作为某些观测量的标识，则用Select功能进行选择。操作方法是，单击“Select”按钮展开小选择框，在“Vaiable：”后面矩形框中输入该变量的变量名，在“Value：”后面输入标识参与分析的观测量所具有的该变量值。一般均使用数据文件中的所有合法观测量。此步骤可以省略。 选择分析方法 在主对话框中自变量矩形框下面有两个选择项，被选中的方法前面的圆圈中加有黑点。这两个选择项是选择判别分析方法的。 （1）Enter independent together 当你认为所有自变量都能对观测量特性提供丰富的信息时，使用该选择项。选择该项将不加选择地使用所有自变量进行判别分析，建立全模型。不需要进一步进行选择。 （2）Use Stepwise method 当你不认为所有自变量都能对观测量特性提供丰富的信息时，使用该选择项。因此根据对判别贡献的大小进行选择。当鼠标单击该项时，Method按钮加亮。可以进一步判别分析方法。 单击“Method”按钮，展开“Stepwise method”对话框（子对话框）如下图所示。 Stepwise method对话框 ①选择进行逐步判别分析的方法 选择判别分析方法在Method组的矩形框中进行。可供选择的判别分析方法有： ●Wilkslambda 使Wilk的统计量最小化法。 ●Unexplained variance 使各类不可解释的方差和最小化法。 ●Mahalanobisdistance 使最近两类间的 Mahalanobis距离最大化法。 ●Smallest F ratio。使任何两类间的最小的F值最大化法。 ●Rao V 使 RaoV统计量最大化。可以对一个要加入到模型中的变量的V值指定一个最小增量。选择此种方法后，应该在该项下面的V to dntce后的矩形框中输这个增量的指定值。 ②选择逐步判别停止的判据 选择逐步判别停止的判据在criteria组的矩形框中进行。可供选择的判据有： Use F value：使用F值，是系统默认的判据，默认值是：Entry：3.84；removal：2.71。即当被加入的变量F值＞=3.84时才把该变量加入到模型中，否则变量不能进入模型；或者，当要从模型中移出的变量F值＜=2.71时，该变量才被移出模型，否则模型中的变量不会被移出。应该使Entry值（加入变量的F值）＞removal值（移出变量的F值） Use probability of F：使用F值的概率。加入变量的F值概率的默认值是0.05（5％）；移出变量的q值概率是0.10（10％）。removal值（移出变量的正值概率）＞Entry值（加入变量的F值概率）。 ③显示内容的选择 对于逐步选择变量的过程和最后结果的显示可以通过Method对话框最下面的Display矩形框中的三项进行选择： Resul at each step要求在逐步选择变量过程中的每一步之后显示每个变量的统计量。 S