SPS判别分析原始数据.docxVIP

SPSS判别分析原始数据 家庭购买割草机行为 .sav. DISCRIMINANT /GROUPS=是否购买 (0 1) /VARIABLES=x1 x2 /ANALYSIS ALL /SAVE=CLASS SCORESPROBS /PRIORS EQUAL /STATISTICS=UNIVF BOXMCOEFFRAWTABLE CROSSVALID /CLASSIFY=NONMISSING POOLED. 判别 [ 数据集 家庭购买割草机行为 .sav 分析案例处理摘要 未加权案例 N 百分比 有效 24 100.0 排除的 缺失或越界组代码 0 .0 至少一个缺失判别变量 0 .0 缺失或越界组代码还有至少一 0 .0 个缺失判别变量 合计 0 .0 合计 24 100.0 由上表可以看出样本数为 24个，全部有效，无缺失和越界组 组统计量 有效的 N（列表状态） 是否购买割草机 未加权的 已加权的 不购买 家庭收入 12 12.000 房前屋后土地面积 12 12.000 购买 家庭收入 12 12.000 房前屋后土地面积 12 12.000 合计 家庭收入 24 24.000 房前屋后土地面积 24 24.000 由上表可以看出，不购买割草机的未加权和已加权的有效的样本都是 12。买割草机的未加 权和已加权的有效的样本都是 12。合计有效的样本是 24. 1 / 5 组均值的均等性的检验 Wilks 的 Lambda F df1 df2 Sig. 家庭收入 .674 10.656 1 22 .004 房前屋后土地面积 .693 9.736 1 22 .005 分析 1 协方差矩阵的均等性的箱式检验 对数行列式 是否购买割草 机 秩 对数行列式 不购买 2 3.207 购买 2 3.578 汇聚的组内 2 3.442 打印的行列式的秩和自然对数是组协方差 矩阵的秩和自然对数。 检验结果 箱的 M 1.094 F 近似。 .329 df1 3 df2 87120.000 Sig. .805 对相等总体协方差矩阵的零假设进 行检验。 2 / 5 典型判别式函数摘要 特征值 函数 特征值 方差的 % 累积 % 正则相关性 1 1.175 a 100.0 100.0 .735 a. 分析中使用了前 1 个典型判别式函数。 Wilks 的 Lambda 函数检 验 Wilks 的 Lambda 卡方 df Sig. 1 .460 16.319 2 .000 标准化的典型判别式函数系数 函数 1 家庭收入 .808 房前屋后土地面积 .784 结构矩阵 函数 1 家庭收入 .642 房前屋后土地面积 .614 判别变量和标准化典型判别式函数之 间的汇聚组间相关性 按函数内相关性的绝对大小排序的变 量。 典型判别式函数系数 3 / 5 函数 1 家庭收入 .146 房前屋后土地面积 .759 ( 常量 ) -10.522 非标准化系数 组质心处的函数 是否购买 函数 割草机 1 不购买 -1.038 购买 1.038 在组均值处评估的非标准 化典型判别式函数 分类的临界点是 0。计算过程： -1.038*1/2+1.038*1/2=0 分类统计量 分类处理摘要 已处理的 24 已排除的 缺失或越界组代码 0 至少一个缺失判别变量 0 用于输出中 24 组的先验概率 是否购买 用于分析的案例 割草机 先验 未加权的 已加权的 不购买 .500 12 12.000 购买 .500 12 12.000 合计 1.000 24 24.000 4 / 5 分类函数系数 是否购买割草机 不购买 购买 家庭收入 .995 1.298 房前屋后土地面积 9.379 10.954 ( 常量 ) -51.557 -73.399 Fisher 的线性判别式函数 分类函数表，可以写出判别函数， Y1=-51.557+0.99X1+9.379X2 ， Y2=-73.399+1.298X1+10.954X2 。 分类结果 b,c 是否购买 预测组成员 割草机 不购买 购买 合计 初始 计数 不购买 10 2 12 购买 1 11 12 % 不购买 83.3 16.7 100.0 购买 8.3 91.7 100.0 交叉验证 a 计数 不购买 9 3 12 购买 2 10 12 % 不购买 75.0 25.0 100.0 购买 16.7 83.3 100.0 a. 仅对分析中的案例进行交叉验证。 在交叉验证中， 每个案例都是按照 从该案例以外的所有其他案例派生的函数来分类的。 b. 已对初始分组案例中的 87.5% 个进行了正确分类。 c. 已对交叉验证分组案例中的 79.2% 个进行了正确分类。 从表中可以看出， 在预测的不购买的样本