华东理工大学多元统计分析与SPSS应用实验 6.doc

华东理工大学2013—2014 学年 第 二 学期 《 多元统计分析与SPSS应用》实验报告6 班级 学号 姓名 开课学院 商学院 任课教师 任飞 成绩 实验内容：实验 6 判别分析方法 使用默认值进行判别分析 选用数据文件data14-04 将slen,swid,plen,pwid移入Independents框 将spno移入Grouping Variables框 对输出结果的认识 2.使用选择项进行判别分析 选用数据文件data14-04 将slen,swid,plen,pwid移入Independents框 将spno移入Grouping Variables框 →Classify →Discriminant，将变量“slen,swid,plen,pwid”移入Independents框，将变量“spno”移入Grouping Variables框，单击Grouping Variables框，再在Define Range弹出框中，Minimum输入1，Maximum输入2， 如图1.1所示，单击OK输入结果如图1.2、图1.3、图1.4、图1.5所示 图1.1 图1.2 分析：总体样本为150个，有效样本数为150个，占总数的100%，无效或者未分组的样本数为0个。 图1.3 分析：图1.4为分组统计量列表 分析：图1.4为Fisher判别法的两个Fisher判别函数特征值。Function1的特征值为30.419，解释了99%的变异.典型相关系数为0.984。Function2的判别函数的特征值为0.293，解释了1%的变异.典型相关系数为0.476。其特征值是组间平方和与组内平方和之比。 图1.5 分析：图1.5为WilksLambda的值，0.025表示判别函数具有较高的判别力，概率P值.000,判别效果显著；0.774表示判别函数，可能存在不显著变量，应当可以考虑逐步判别法，判别函数具有较低的判别力，概率P值.000，判别效果显著。 图1.6 分析：图1.6标准化后费希尔判别函数系数 图1.7 分析：图为1.7为结构系数又称为判别负载，实际上是某个判别变量xi与判别值y之间的相关系数，它表达了两者之间的拟合水平：绝对值很大（接近+1或-1），这个函数表达的信息与这个变量表达的信息几乎完全相同，接近0，两者之间几乎没什么共同之处。 图1.8 分析：图1.8为各判别函数组重心矩阵 使用选择项进行判别分析 (1)打开“data14-04.sav”文件，依次选择Analyze→Classify →Discriminant，将变量“slen,swid,plen,pwid”移入Independents框，将变量“spno”移入Grouping Variables框，单击Grouping Variables框，再在Define Range弹出框中，Minimum输入1，Maximum输入2，在主对话框中，单击Classify按纽，展开Classification，对话框，Prior Probabilities中选择All groups equal，Use Covariance Matrix中选择Within groups，Plots中选择Combined groups,Separate groups, Territorial map，Display中选择Summary table，Casewise results.单击Continue. 如图2.1所示 图2.1 在主对话框中，单击Statistics按纽，展开Statistics对话框，Descriptives中选择Means，Function Coefficients中选择Fisher’s，Unstandardized，Matrices中选择Within-groups correlation, Within-groups covariance, Separate-groups covariance,Total covariance。如图2.2所示 图2.2 在主对话框中，单击Save按纽，展开Save New Variables的对话框，选择“Predicted group membership、Descriminant Scores、Probabilities of group membership”如图2.3所示 (4)单击OK，输出结果如图2.4~ 分析：总体样本为150个，有效样本数为150个，占总数的100%，无效或者未分组