医用多元统计分析-课程中心.PPT

2014.5.6 * probability of F，→ Continue ，点击Statistics…按钮打开其 对话框，在Display栏中选择?Summary table → Continue ， 点击Save…按钮打开其对话框，选择?Predicted group membership，?Probabilities of group member，→Continue, 其它选项默认即可，→ OK即可完成判别分析。 SPSS输出结果 Discriminant 见下页。 2014.5.6 * 缺失值报告 … … … … 数据库中分组变量 （病变情况）的有 效例数统计 2014.5.6 * Analysis 1 Stepwise Statistics 上表给出逐步判别分析的运行记录，第一步选入“视力”变量且Wilks’ Lambda检验有统计学意义，说明此变量纳入判别函数对正确判断分类是有作用的。以下依次类推。 2014.5.6 * … … … … 逐步判别分析过程 中每步引入变量的 统计结果 逐步判别分析过程 中每步剔除变量的 统计结果 2014.5.6 * 解释同前 Summary of Canonical Discriminant Functions 上表说明在分析中提取了两个维度的典型判别函数，其中第一个函 数解释了所有变异的79.2%，剩余的20.8%由第二个函数解释。 2014.5.6 * 两个维度的典型判别 函数的假设检验。 提供了两个判别函数中 每个变量的标准化系数， 由此可写出函数式。 2014.5.6 * 提供各个变量与主成分 的结构系数（相关系数） 矩阵。 提供分类变量各个类别重心 在空间中的坐标位置。本例 二维。 2014.5.6 * Classification Statistics 缺失值报告 上表为各分类的先验概率，此处采用了等概率。 2014.5.6 * 重要！ 上表提供了Bayes判别函数式的系数，据此可写 出具体的判别函数式。 轻： 中： 重： 2014.5.6 * 我们可以利用上述判别式直接计算新观测值的每类 得分，得分最高的一类就是该观测值所属的类别。 比我手里的东西还重要啊！ 上表对比显示了原始数据库中分类变量的分类构成情况以及使用判 别分析得到的分类构成情况，并提供了二者整体吻合情况，即本例 93.1%的原始样品被正确分类。 2014.5.6 * 在给出分析结果的同时，原始数据集中也生成了 四个新变量，一个名为Dis_1，用于记录利用判别函 数判别每一样品所属的类别号；另三个名为Dis1_1、 Dis2_1、Dis3_1、用于记录利用判别函数判别每一样品 属于某一类的概率。 根据王××的检测信息：38岁，患糖尿病3年，视力1.0，at=14.25，av=268.86，bt=55.25，bv=383.39，qpt=75.5，qpv=43.18，分别代入上述代表轻、中、重的三个判别函数如下： 轻： 中： 重： 2014.5.6 * 三类判别函数的最终得分分别为y(轻)=182.91、 y(中)=180.53、y(重)=180.44, 由于“轻”类判别函数得分最高，故王××应判为轻类。 2014.5.6 * 练习资料 ㈠ 课堂练习习题 本讲中的例14~例16数据。 [CW] 利用例16的资料建立起来的判别函数，对新观察的1例糖尿病病人张××的数据进行考核，判断其属于何种类型。 张××的检测信息：58岁，患糖尿病8年，视力0.6，at=15.25， av=350.16，bt=56.25，bv=456.78，qpt=76.0，qpv=10.68。 2014.5.6 * ㈡ 课后作业题 C HW6. 已知29名儿童的血红蛋白(Hemoglobin, g)、 钙(Ca, μg)、镁(Mg, μg)、铁(Fe, μg)、锰(Mn, μg)、铜(Cu,μg)的含量，已建立了数据文件hemoglo.sav。试对这些指标进行聚类分析。 多元统计分析 教案 * 2014.5.6 * 夹角余弦（Cosine） (2) 相似系数 这是一个从向量集合的角度所定义的一种测度变量之间远近程度的相似系数。 2014.5.6 * 相关系数(Pearson’s correlation coefficient) ㈣ 聚类分析的统计量的选择 一般说来，同一批数据采用不同的统计量，会得到不同的分类结果。产生不同结果的原因，主要是由于不同的统计量所衡量的亲疏程度的实际意义不同，也就是说，不同的统计