图1判别分析步骤框图-中国人民大学六西格玛质量管理研究中心.ppt

* 中国人民大学六西格玛质量管理研究中心 * §4.8 判别分析应用的几个例子 目录 上页 下页 返回 结束 SPSS中进行费歇尔判别分析是十分快捷的。首先按照表4－16把数据输入SPSS数据表中，然后依次点击“Analyze”→“Classify” →“Discriminant”，打开Discriminant Analysis对话框，将对话框左侧变量列表中的group选入 Grouping Variable框，并点击“Define Range”钮，在弹出的Discriminant Analysis:Define Range对话框中，定义判别原始数据的类别区间，本例为两类，故在Minimum处输入1、在Maximum处输入2，点击Continue钮返回Discriminant Analysis对话框。 * 中国人民大学六西格玛质量管理研究中心 * §4.8 判别分析应用的几个例子 目录 上页 下页 返回 结束 再从对话框左侧的变量列表中选将八个变量选Independents框，作为判别分析的基础数据变量。点击“Statistics”钮，弹出Discriminant Analysis: Statistics对话框，在Descriptive栏中选Means项，要求对各组的各变量作均数与标准差的描述；在Function Coefficients栏中选Unstandardized项（注意，不是Fisher’s项！），要求显示费歇尔判别法建立的非标准化系数。 * 中国人民大学六西格玛质量管理研究中心 * §4.8 判别分析应用的几个例子 目录 上页 下页 返回 结束 之后，点击“Continue”钮返回Discriminant Analysis对话框。点击“Save”钮，弹出Discriminant Analysis: Save New Variables对话框，选Predicted group membership项要求将回判的结果存入原始数据库中。点击“Continue”钮返回Discriminant Analysis对话框，其他项目不变，点击“OK”钮即完成分析。在输出结果中可以看到各组均值、标准差、协方差阵等描述统计结果以及判别函数，返回数据表中，可以看到判别结果已经作为一个新的变量被保存，广东和西藏均被划分到第二大类，篇幅所限，各输出结果在此不再列示。 * 中国人民大学六西格玛质量管理研究中心 * §4.8 判别分析应用的几个例子 目录 上页 下页 返回 结束 例4.6 2005年全国各地区农村居民家庭人均消费情况可划分为三种类型，分类后的数据见表4－2。试用SPSS软件建立Bayes判别函数，并将待判样品归类。 * 中国人民大学六西格玛质量管理研究中心 * §4.8 判别分析应用的几个例子 目录 上页 下页 返回 结束 * 中国人民大学六西格玛质量管理研究中心 * §4.8 判别分析应用的几个例子 目录 上页 下页 返回 结束 * 中国人民大学六西格玛质量管理研究中心 * §4.8 判别分析应用的几个例子 目录 上页 下页 返回 结束 根据判别函数，就可以对原各组样品以及待判样品进行回判和判别，此时在SPSS中返回原数据表，可以看到一个新的变量名为Dis_1，其对应的各值就是对各地区的回判和判别结果，可知广东被划分到第二类消费水平地区，西藏被划分到第三类消费水平地区，并且原各组样品的回报误判率为零。以上判别结果综合整理列于表4－10。 * 中国人民大学六西格玛质量管理研究中心 * §4.8 判别分析应用的几个例子 目录 上页 下页 返回 结束 * 中国人民大学六西格玛质量管理研究中心 * §4.8 判别分析应用的几个例子 目录 上页 下页 返回 结束 在例4.5和4.6中，我们是将事先确定的所有八个指标变量都选入来进行判别分析，在实际应用中，我们也大多是设计尽可能多的相关指标来进行聚类和判别分析，然而事实是，指标太多不仅增大了计算量，而且那些对判别无用的指标也会干扰我们的视线。因此对众多指标进行筛选，找出对判别函数贡献比较突出，具有较强判别能力的指标成为一个很重要的事情。凡是具有筛选变量能力的判别方法统称为逐步判别法，有关这些方法的具体论述可见参考文献[2]。 * 中国人民大学六西格玛质量管理研究中心 * §4.8 判别分析应用的几个例子 目录 上页 下页 返回 结束 在此我们以例4.6为例介绍逐步判别法在SPSS中的实现。操作步骤仍与例4.5类似，不同之处在于