《判别分析》课件.pptxVIP

第一节引言

1

第四章判别分析

第二节距离判别法

第三节贝叶斯（Bayes）判别法

第四节费歇（Fisher）判别法

第五节实例分析与计算机实现

一Fisher判别的基本思想

二Fisher判别函数的构造

三线性判别函数的求法

3

右图中有A、B两个总体。在原始变量（指标）X1、X2的方向上，A、B都有很大的重叠，难以区分清楚。但是，如果以X1、X2为横、纵坐标轴构建一个平面，若能设法找到一个y轴，使得当X1X2平面上的散点投射到y轴上时，两组观察值的重叠程度最小，则综合指标y的区分能力显然大于原先的X1、X2。

y

x2

x1

4

6

1、针对两个总体的情形

7

8

9

11

12

13

14

15

16

18

另外一种求4.23式的思路*

19

另外一种求4.23式的思路*

20

另外一种求4.23式的思路*

21

23

25

经典案例：费希尔于1936年发表的鸢尾花（Iris）数据，被广泛用为判别分析的例子。数据是对3种鸢尾花：刚毛鸢尾花（第一组）、变色鸢尾花（第二组）和弗吉尼亚鸢尾花（第三组），各自抽取一个容量为50的样本，测量其花萼长度x1、花萼宽度x2、花瓣长度x3、花瓣宽度x4，单位为mm。

30

31

35

36

Fisher判别与距离判别对判别变量的分布并无要求，而贝叶斯判别要求了解判别变量的先验分布，因此，Fisher判别核距离判别相对于贝叶斯判别，较为简单实用；当然，后者更加精确。

当k＝2且两个总体协差阵相等时，Fisher判别与距离判别是等价的。当判别变量服从正态分布，且不考虑误判代价时，它们与贝叶斯判别也是相同的。

X1：0岁组死亡概率

X4：55岁组死亡概率

X2：1岁组死亡概率

X5：80岁组死亡概率

X3：10岁组死亡概率

X6：平均预期寿命

表4.1各地区死亡概率表

这两个选项的含义如下：

49

Fisher’s：给出Bayes判别函数的系数。（注意：这个选项不是要给出Fisher判别函数的系数。这个复选框的名字之所以为Fisher’s，是因为按判别函数值最大的一组进行归类这种思想是由Fisher提出来的。这里极易混淆，请同学注意。）

Unstandardized：给出未标准化的Fisher判别函数（即典型判别函数，也即我们前面讲过的“中心化的Fisher判别函数”）的系数（SPSS默认给出标准化的Fisher判别函数系数）。

1

2

Box’xM是对各总体协差阵是否相等进行齐性检验

Means可给出各总体均值是否相等的Wilks统计量。

Within-groupscorrelation给出各自变量之间的相关系数矩阵

最后点击“Continue”回到上一级菜单。

52

Save子对话框

57

协差阵齐性检验结果：

由于样本资料矩阵的秩小于5（p-1）（原因？），不是非奇异矩阵，无法给出Box’s检验结果。

可见，第1、2、6个指标的同均值，确实对检验产生了影响

可见，判别分析开始前，有必要对各个总体的均值是否相等进行假设检验。

01

接下来，出于课堂演示的需要，我们继续使用原有全部六个指标，进行后续的判别分析

02

典型相关系数（CanonicalCorrelation）的平方，说明了判别函数因变量的变动，可以在多少程度上由自变量的变化所解释；

01

也即，该平方项反映这个判别函数携带了多少原始数据的信息，该值反映了该判别函数的信息价值，当然越大越好。

02

Canonical

Thecoefficientssuggesttherelativeimportanceofthepredictorvariables.

Consideronlytheabsolutesizeofthecoefficients.

Biggermeansmoreimportant.系数的绝对值越大，说明该自变量（predictorvariables）在这个判别函数中就越重要。

70

3.结构矩阵

StructureMatrixFunction

Thestructurematrixshowstheabsolutecorrelationsbetweeneachpredictorvariableandthecanonicalvariable.

结构矩阵中的元素，是原始变量与典型变量（标准化的典型判别函数）的相关系数

Meaning?

Ifavariableisastrongpredictor,itwillcorrelatestronglywiththecalculatedvalueoft