多元统计课件：判别分析.pptxVIP

; ; §4.1; 判别分析的假设之一，是每一个判别变量（解释变量）不 能是其他判别变量的线性组合。即不存在多重共线性问题。 判别分析的假设之二，是各组变量的协方差矩阵相等。判 别分析最简单和最常用的形式是采用线性判别函数，它们 是判别变量的简单线性组合。在各组协方差矩阵相等的假 设条件下，可以使用很简单的公式来计算判别函数和进行 显著性检验。; §4.2; §4.2; §4.2; §4.2; §4.2; §4.2; §4.2; §4.2; §4.2; §4.3 Bayes判别; §4.3 Bayes判别; §4.4 Fisher判别; §4.4 Fisher判别; §4.4 Fisher判别; §4.4 Fisher判别; §4.4 Fisher判别; §4.5; §4.5; §4.5; §4.5; §4.6 判别分析应用的几个例子 判别分析的逻辑框图如下：; ; ? 下面用SPSS软件中的 Discriminant模块来实现判别分 析。; 定义新的变量y为被解释变量,用“1”代表Setosa鸢尾花,用 “2”代表Versicolor鸢尾花,用“3”代表Virginica鸢尾花,将萼片 长(sepal length)、萼片宽(sepal width)、花瓣长(petal length) 和花瓣宽(petal width)四个变量作为解释变量。 使用SPSS软件中的Analyze→Classify→Discriminant,就进入 了判别分析的对话框。分组变量(Grouping Variable)选择y,然后定 义其区域,最小值是1,最大值是3。解释变量(Independents)选择 sepal.length,sepal.width,petal.length和petal.width。; ? 保存(Save)选项中可以选择预测的分类、判别得分以及所 属类别的概率。如果采用逐步判别法,我们还可以选择判 别的方法(Method)。得到分析结果如下(见输出结果4—1) 。; ?; ? 输出结果4—2是对各组协方差矩阵是否相等的Box’s M检 验。第1张表反映协方差矩阵的秩和行列式的对数值。由 行列式值可以看出,协方差矩阵不是病态矩阵。第2张表是 对各总体协方差阵是否相等的统计检验。由F值及其显著 水平,我们在0.05的显著性水平下拒绝原假设(原假设假定 各总体协方差阵相等)。因此,在分类(Classify)选项中的协 方差矩阵选择可以考虑采用Separate-groups,以检验采用 Within-groups和Separate-groups两种协方差所得出的结 果是否存在显著差异。如果存在显著差异,就应该采用 Separate-groups协方差矩阵;反之,就用Within-groups协方 差矩阵。; * * *; ? 我们可以根据这个判别函数计算每个观测的判别Z得分。 第4张表??反映判别函数在各组的重心。根据结果,判别函 数在y=1这一组的重心为(-7.608,0.215),在y=2这一组的 重心为(1.825,-0.728),在y=3这一组的重心为 (5.783,0.513)。这样,我们就可以根据每个观测的判别Z 得分对观测进行分类。; ?; ? 我们可以计算出每个观测在各组的分类函数值,然后将观测分类到 较大的分类函数值中。第4张表是分类矩阵表。Predicted Group Membership表示预测的所属组关系,Original表示原始数据的所属组关 系,Cross-validated表示交叉验证的所属组关系,这里交叉验证是采用“ 留一个在外”的原则,即每个观测是通过除了这个观测以外的其他观测 推导出来的判别函数来分类的。由第4张表可以看出,通过判别函数预 测,有147个观测是分类正确的,其中,y=1组50个观测全部被判对,y=2组 50个观测中有48个观测被判对,y=3组50个观测中有49个观测被判对, 从而有147/150=98%的原始观测被判对。在交叉验证中,y=1组50个观 测全部被判对,y=2组50个观测中有48个观测被判对,y=3组50个观测中 有49个观测被判对,从而交叉验证有147/150=98%的原始观测被判对 。还可以通过分类结果分析判对和判错的百分比。最后为分类结果图, 从图中可以看到,Setosa鸢尾花与Versicolor鸢尾花和Virginica鸢尾花 可以很清晰地区分开,而Versicolor鸢尾花和Virginica鸢尾花这两种之 间存在重合区域,即存在误判。; ? 我们还可以通过保存(Save)选项选择预测的类别关系和判别得分等 ,对观测进行诊断。; 由输出结果4—6的表(1)可以看出,通过判别函数预测,有146个观测是 分类正确的,其中,y=1组50个观测全部被判对,y=2组5