关于如何分辨鸢尾花的判别分析报告.docVIP

关于如何分辨鸢尾花的判别分析报告 目的与背景：鸢尾花为法国的国花，Setose，Versicolour，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，根据萼片和花瓣的四个度量对鸢尾花分类。 二、分析过程 1、组间均值分析 H0：组间均值是相等的 H1：组间均值是不等的 Tests of Equality of Group Means 表1 Wilks Lambda F df1 df2 Sig. 花萼长 .364 76.098 2 87 .000 花萼宽 .608 28.023 2 87 .000 花瓣长 .060 675.871 2 87 .000 花瓣宽 .075 533.785 2 87 .000 表1是对各类均值是否相等的检验。有表1可以看出，在0.01的显著性水平上，拒绝在三组均值相等的原假设，即花萼长、花萼宽、花瓣长、花瓣宽在三组的均值是有显著性差异的。 2、协方差阵分析 H0：各组协方差阵是相等的 H1：各组协方差阵是不相等的 Test Results 表2 Boxs M 92.993 F Approx. 4.332 df1 20 df2 23344.026 Sig. .000 Tests null hypothesis of equal population covariance matrices. 表2是对各总体协方差阵是否相等的统计检验。在0.05的显著性水平下拒绝原假设，即各总体协方差阵不相等。 3、确定非标准化典型判别函数 Canonical Discriminant Function Coefficients 表3 Function 1 2 花萼长 -.083 .037 花萼宽 -.132 .211 花瓣长 .212 -.104 花瓣宽 .239 .273 (Constant) -2.063 -8.045 Unstandardized coefficients 表3是非标准化的典型判别函数，表示为y1=-2.063-0.083*Sepal.Lenght-0.132*Sepal.Width+0.212*Petal.Length+0.239* Petal.Width y2=-8.045+0.037*Sepal.Lenght+0.211*Sepal.Width-0.104*Petal.Length+0.273* Petal.Width 4、函数的显著性检验 Eigenvalues 表4-1 Function Eigenvalue % of Variance Cumulative % Canonical Correlation 1 28.215(a) 99.0 99.0 .983 2 .274(a) 1.0 100.0 .463 a First 2 canonical discriminant functions were used in the analysis. Wilks Lambda 表4-2 Test of Function(s) Wilks Lambda Chi-square df Sig. 1 through 2 .027 309.214 8 .000 2 .785 20.678 3 .000 表4-1和4-2是典型判别函数。表4-1反映了判别函数的特征值、解释方差的比例和典型相关系数。第一判别函数解释了99%的方差，第二判别函数解释了1%的方差，两个判别函数解释了全部的方差。表4-2是对两个判别函数显著性检验。由Wilks Lambda检验，两个判别函数在0.05的显著性水平上拒绝原假设，认为函数是显著的。 5、对因素贡献度的分析 Standardized Canonical Discriminant Function Coefficients 表5-1 Function 1 2 花萼长 -.444 .195 花萼宽 -.437 .695 花瓣长 .961 -.471 花瓣宽 .520 .593 Structure Matrix 表5-2 Function 1 2 花瓣长 .742(*) .217 花萼宽 -.125 .860(*) 花瓣宽 .656 .704(*) 花萼长 .245 .449(*) Pooled within-groups correlations between discriminating variables and standardized canonical discriminant functions Variables ordered by absolute size of correlation within functi