在SPSS的因子分析的旋转方法.PPT

（3）打开判别分析主对话框，将因变量“y”输入[Grouping Variable]，并在[Define Range]框中输入1～3的范围。然后将分析的10个自变量输入[Independents]输入框中，并选择[Use stepwise method]（图12-15）。 * （4）进入[Statistics]，选中所有的选项，并单打[Continue]（图12-16）。 * (5) 进入[Method]，选中[Wilks’ lambda]、[Use Fvalue]和[Summary of steps]选项，按下[Continue]（图12-17）。 * (6) 进入[Classify]，选中[All groups equal]、[Within-groups]、[Casewise results]、[Summary table]、[Leave-one-out classification]和[Replace missing values with mean]选项，按下[Continue] （图12-18）。 * （7）单击[OK]，输出判别分析的结果。 表12-13是采用逐步回归分析的结果，由表可知，仅有“人均国内生产总值”、“人均地方财政收入”和“百人固定电话和移动电话用户数”三个变量进入判别模型，其他7个变量均没有进入。 * 表12-14是回归分析的显著性检验结果，结果表明所构造的判别模型是有效的。 * 表12-15是关于两个典型判别函数的最大特征根的说明，第一个函数的特征根为13.574，方差贡献率为90.9%，第二个函数的特征根为1.356，方差贡献率为9.1%。 * 表12-16是检验判别模型的显著性水平。第一栏“test of functions”表示每步中判别函数被移去后的函数值。“1 through 2”表示没有函数被移去。原假设为各组中所有判别函数的总体均值相等。检验结果表明：前两个判别函数的联合效果显著，通常会视为最大的判别函数显著。“2”表示前一个判别函数被移去后的显著性检验。结果表明：第二个判别函数也是显著的。这个检验结果与回归分析的检验结果是一致的。 * 表12-17是标准化的典型判别函数系数的输出结果。标准化判别函数系数可以看出预测变量在组成判别函数时的相对贡献，从表12-17可以看出，第一判别函数的“人均国内生产总值”、“人均地方财政收入”项比较重要，第二判别函数在“百人固定电话和移动电话用户数”项上比较重要。 * 表12-18是非标准化的典型判别函数系数的输出结果，所以两个典型判别函数中带有常数项。非标准化的典型判别函数系数实质上就是费希尔判别函数系数。 * 表12-19是分类函数系数表，又称Fishers判别函数，这实质上是由贝叶斯判别分析法产生的分类函数系数。命名出现不一致的原因是：按判别函数值最大的一组进行归类这种思想是Fisher提出来的，因此SPSS用Fisher对Bayes方法进行了命名。 * * 表12-20是每个个体的判别分析结果（包括28个已知类别的地区以及3个等待判别归类的地区）。从表中可知，对28个已知类别的地区的重新判别归类，结果没有1个地区是错误的，而等待判别归类的三个地区的判别结果与聚类分析的结果是吻合的。表中的“Highest Group”下的P(Dd | G=g)列，是指在某个体属于相应类别而判断不属于相应类别的条件概率； P(G=g | D=d)列，是指判断某个体属于相应类别而结果确是相应类别的后验概率。从表中可知，后验概率是比较大的。表中最后二列是关于两个典型判别函数（实质上是Fisher函数）的计算值。 * 表12-21是判别分析的汇总结果。由表可知，对1类、2类、3类已知类别地区的重新判别归类结果正确率均为100%。而对等待判别归类地区的判别结果的正确率是100%。 * 图12-19是三类地区分布的散点图。从图中可以看出三个组的区分还是比较明显的。 * 图 12-19 三类地区分布散点图 复习思考题 1. 简述因子分析的基本原理。 2. 结合某个研究课题，运用SPSS软件进行因子分析。 3. 什么是聚类分析？比较说明Q型和R型聚类分析有何不同。 4. 结合某个研究课题，运用SPSS软件进行聚类分析。 5. 简述判别分析的基本原理。 6. 结合某个研究课题，运用SPSS软件进行判断分析。 7. 举例说明因子分析、聚类分析和判别分析的适用条件。 * * * *