判别分析1.docx

1.实验目的： 掌握判别分析方法的思想、判别分析步骤及判别结果分析。 2.实验内容 （1）自选数据或者使用例题4-1、4-2数据完成判别分析。 （2）对判别分析结果进行分析。 （3）选定两个样本，对样本进行分类。 3.实验步骤 例4-1：判别分析的一个重要应用是动植物的分类，最著名的一个例子是1936年费歇的鸢尾花数据。鸢尾花为法国的国花，Setosa、erisolor、Virginica是三种有名的鸢尾花，其萼片是绚丽多彩的，和向上的花瓣不同，花萼是下垂的。这三种鸢尾花很像，人们试图建立模型，根据萼片和花瓣的四个角度来对鸢尾花分类。该数据给出150朵鸢尾花的萼片长（sepal length）、萼片宽(sepal length)、花瓣长(petal width)、花瓣宽(petal width)以及这些分别属于的种类共五个变量。萼片和花瓣的长度为四个定量变量，而种类为分类变量。这里三种鸢尾花各有50个观测值。对数据进行判别分析的得到的分析结果如下： 表1-1 分析觀察值處理摘要 未加權的觀察值 N 百分比 有效 150 100.0 已排除 遺漏或超出範圍群組代碼 0 .0 至少一個遺漏區別變數 0 .0 遺漏或超出範圍群組代碼及至少一個遺漏區別變數 0 .0 總計 0 .0 總計 150 100.0 输出结果表1-1分析的是各组变量的描述统计量和对各组均值是否相等的检验。反应的是有效样本变量及变量缺失情况。 表1-2 群組統計資料 被解释变量 平均數 標準偏差 有效的 N (listwise) 未加權 加權 Setosa 鸢尾花 萼片长 5.0060 .35249 50 50.000 萼片宽 3.4280 .37906 50 50.000 花瓣长 1.4620 .17366 50 50.000 花瓣宽 .2460 .10539 50 50.000 Versico-lor 鸢尾花 萼片长 5.9360 .51617 50 50.000 萼片宽 2.7700 .31380 50 50.000 花瓣长 4.2600 .46991 50 50.000 花瓣宽 1.3260 .19775 50 50.000 Virginica 鸢尾花 萼片长 6.5880 .63588 50 50.000 萼片宽 2.9740 .32250 50 50.000 花瓣长 5.5520 .55189 50 50.000 花瓣宽 2.0260 .27465 50 50.000 總計 萼片长 5.8433 .82807 150 150.000 萼片宽 3.0573 .43587 150 150.000 花瓣长 3.7580 1.76530 150 150.000 花瓣宽 1.1993 .76224 150 150.000 表1-2是各组变量的描述统计分析 表1-3群組平均值的等式檢定 Wilks Lambda (λ) F df1 df2 顯著性 萼片长 .381 119.265 2 147 .000 萼片宽 .599 49.160 2 147 .000 花瓣长 .059 1180.161 2 147 .000 花瓣宽 .071 960.007 2 147 .000 表1-3是对各组均值是否相等的检验。由表1-3可以看出，在0.01的显著性水平下我们拒绝变量萼片长、萼片宽、花瓣长、花瓣宽在三组的均值相等的假设，即认为变量萼片长、萼片宽、花瓣长和花瓣宽在三组的均值是有显著差异的。 表1-4 對數行列式 被解释变量 等級 對數行列式 Setosa 鸢尾花 4 -13.067 Versico-lor 鸢尾花 4 -10.874 Virginica 鸢尾花 4 -8.927 聯合組內 4 -9.959 列印的行列式等級及自然對數是群組共變異數矩陣的等級及自然對數。 表1-5 測試結果 Boxs M 共變異等式檢定 146.663 F 近似值 7.045 df1 20 df2 77566.751 顯著性 .000 檢定相等母體共變異數矩陣的虛無假設。 输出结果1-4和表1-5是对各组协方差矩阵是否相等的Boxs’M检验。表1-4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1-5是对个总体协方差矩阵是否相等的统计检验。由F值及其显著性水平，我们在0.05的显著性水平下拒绝原假设。因此在分类选项中的协方差矩阵选择可以考虑采用Separete-groups，以检验采用Within-groups和Separate-groups两种协方差所得出的结果是否存在显著性差异。如果存在显著性差异，就应该采用Separate-groups两种协方差所得出的结果是否存在显著性差异。如果存在显著性差异，就应该采用Separate-groups协方差矩阵；反