多元统计分析 贝叶斯逐步判别例题.pptVIP

贝叶斯判别逐步判别分析;一、实验目的及要求：;　二、仪器用具：;三、实验方法与步骤:;题目;贝叶斯判别;四、实验结果与数据处理：; 以上是对各组协方差矩阵是否相等的Box’M检验，左表反映协方差矩阵的秩和行列式的对数值。由行列式的值可以看出，协方差矩阵不是病态矩阵。右表是对各总体协方差阵是否相等的统计检验，由F值及其显著水平，在0.05的显著性水平下拒绝原假设，认为各总体协方差阵不相等。; 反映了判别函数的特征值、解释方差的比例和典型相关系数。第一判别函数解释了100%的方差。;　　各组的先验概率，在分组选项中选择的是“根据组大小计算”，所以先验概率不相同。;每组的分类函数，也称费歇线性判别函数，由表中的结果可以说明：这两组的分类函数为： f1=1.813x1-0.337x2-0.058x3+1.380x4-54.779 f2=1.669x1-0.377x2-0.119x3+1.188x4-36.584;;;;;;;;;;;;;;对比一下不???的F值导致的结果;;比较贝叶斯判别和逐步判别的回代判对率;五、讨论与结论; 之前的分析是采用“一起输入自变量”的方法，考虑“使用步进式方法”，最终确定进入分析的变量有2个：x3和x4，即市场化程度和开放度，上表给出了最终的分类结果，可以看出，在原有数据的所有城市中，有96.3%的城市被判对，。同“一起输入自变量”时的效果一致，在最终对待判城市的分组问题上，两种方法所得到的结果也是一致的，在这里两种方法的选择对我们所需要的结果影响不是很大！但是取得相同的结果，我们加入逐步判别法之后，用于计算的变量由四个缩减为两个，减少了运算，所以可见逐步判别法还是很好的。 这个例题的变量只有四个，所以在分析是否加入逐步判别后的影响不会太大。而实际中，变量会很多，加入逐步判别后会更加方便，节省人力物力。;;thanks