华东理工大学多元统计分析与SPSS应用实验.docx
- 文档编号:10746793
- 上传时间:2023-02-22
- 格式:DOCX
- 页数:22
- 大小:525.66KB
华东理工大学多元统计分析与SPSS应用实验.docx
《华东理工大学多元统计分析与SPSS应用实验.docx》由会员分享,可在线阅读,更多相关《华东理工大学多元统计分析与SPSS应用实验.docx(22页珍藏版)》请在冰豆网上搜索。
华东理工大学多元统计分析与SPSS应用实验
华东理工大学2013—2014学年第二学期
《多元统计分析与SPSS应用》实验报告6
班级学号姓名
开课学院商学院任课教师任飞成绩
实验内容:
实验6判别分析方法
1.使用默认值进行判别分析
选用数据文件data14-04
将slen,swid,plen,pwid移入Independents框
将spno移入GroupingVariables框
对输出结果的认识
2.使用选择项进行判别分析
选用数据文件data14-04
将slen,swid,plen,pwid移入Independents框
将spno移入GroupingVariables框
3.逐步判别法
实验要求:
熟悉SPSS中判别分析功能
Analyze
Classify
Discriminant
2.对“Employeedata”进行数据整理
教师评语:
教师签名:
年月日
实验报告:
1、利用默许值进行判别分析
打开“”文件,依次选择Analyze→Classify→Discriminant,将变量“slen,swid,plen,pwid”移入Independents框,将变量“spno”移入GroupingVariables框,单击GroupingVariables框,再在DefineRange弹出框中,Minimum输入1,Maximum输入2,如下图,单击OK输入结果如图、图、图、图所示
图
图
分析:
整体样本为150个,有效样本数为150个,占总数的100%,无效或未分组的样本数为0个。
图
分析:
图为分组统计量列表
分析:
图为Fisher判别法的两个Fisher判别函数特点值。
Function1的特点值为,说明了99%的变异.典型相关系数为。
Function2的判别函数的特点值为,说明了1%的变异.典型相关系数为。
其特点值是组间平方和与组内平方和之比。
图
分析:
图为Wilks'Lambda的值,表示判别函数具有较高的判别力,概率P值.000,判别成效显著;表示判别函数,可能存在不显著变量,应当能够考虑慢慢判别法,判别函数具有较低的判别力,概率P值.000,判别成效显著。
图
分析:
图标准化后费希尔判别函数系数
图
分析:
图为为结构系数又称为判别负载,事实上是某个判别变量xi与判别值y之间的相关系数,它表达了二者之间的拟合水平:
绝对值专门大(接近+1或-1),那个函数表达的信息与那个变量表达的信息几乎完全相同,接近0,二者之间几乎没什么一起的地方。
图
分析:
图为各判别函数组重心矩阵
2、利用选择项进行判别分析
(1)打开“”文件,依次选择Analyze→Classify→Discriminant,将变量“slen,swid,plen,pwid”移入Independents框,将变量“spno”移入GroupingVariables框,单击GroupingVariables框,再在DefineRange弹出框中,Minimum输入1,Maximum输入2,在主对话框中,单击Classify按纽,展开Classification,对话框,PriorProbabilities当选择Allgroupsequal,UseCovarianceMatrix当选择Withingroups,Plots当选择Combinedgroups,Separategroups,Territorialmap,Display当选择Summarytable,Casewiseresults.单击Continue.
如下图
图
(2)在主对话框中,单击Statistics按纽,展开Statistics对话框,Descriptives当选择Means,FunctionCoefficients当选择Fisher’s,Unstandardized,Matrices当选择Within-groupscorrelation,Within-groupscovariance,Separate-groupscovariance,Totalcovariance。
如下图
图
(3)在主对话框中,单击Save按纽,展开SaveNewVariables的对话框,选择“Predictedgroupmembership、DescriminantScores、Probabilitiesofgroupmembership”如下图
(4)单击OK,输出结果如图~
分析:
整体样本为150个,有效样本数为150个,占总数的100%,无效或未分组的样本数为0。
分析:
由上图可知各项均值,标准差,有效样本个数。
分析:
上图为组内协方差和相关系数矩阵
分析:
上图为协方差矩阵
分析:
上图为Fisher判别法下两个个Fisher判别函数的特点值。
Function1的特点值为,说明了99%的变异.典型相关系数为。
Function2的特点值为,说明了1%的变异.典型相关系数为。
分析:
上图为Wilks’Lambda的值(其值越小越好)表示判别函数专门好且判别成效显著;表示判别函数不行但判别成效显著。
分析:
标准化后费歇尔费希尔判别函数系数
分析:
结构矩阵
分析:
费希尔判别函数矩阵
分析:
上图为各组重心坐标值。
利用Fisher判别函数计算出各观测值具体坐标后,再计算出离各重心的距离,那么可得知分类情形。
分析:
贝叶斯判别函数,有效样本为150个,无缺省样本或未知样本。
TerritorialMap
CanonicalDiscriminant
Function2
.0
1223
1223
1223
1223
1223
1223
1223
1223
1223
1223
1223
1223
1223
1223
1223
1223
1223
1223*
.0*1223
12*23
1223
1223
1223
1223
1223
1223
1223
1223
1223
1223
1223
1223
1223
1223
1223
1223
1223
.0
CanonicalDiscriminantFunction1
Symbolsusedinterritorialmap
SymbolGroupLabel
-------------------------------
11刚毛鸢尾花
22变色鸢尾花
33佛吉尼亚鸢尾花
*Indicatesagroupcentroid
分析:
上图显示各类正确判别率别离为100%,96%,98%
3、慢慢判别法
打开“”,将pa,alpha_ag,alpha_at,hp移入Independents框,将group移入GroupingVariables框,在主对话框中,选择Usestepwisemethod,单击Method按纽,展开Stepwisemethod的对话框
分析:
图为变量进入及删除表,剔除显著性较弱的变量,变量“ALPHA_AT”、“PA”进入判别函数。
分析:
进入判别分析的变量表
分析:
不在判别分析中的变量表,Wilk’sLambda查验值在第0步中,ALPHA_AT为最小,选入判别函数,PA在第1步当选入判别函数。
分析:
图为各步Wilks’Lambda统计量,概率P值均为.000小于显著性水平.
分析:
上图为判别指数和判别函数的显著性查验
分析:
Fisher判别函数的系数
分析:
原始样本始回代判别正确率,正常人84%,肝癌AFP检测阳性只有15%,肝癌AFP检测阴性只有15%,肝硬化只有33%。
4、作业:
对案例:
Crop’Pain连锁店展开判别分析讨论
(1)先用聚类分析将变量分成n组,比如4组,如下图
(2)依次选择Analyze→Classify→Discriminant,将所有变量移入Independents框,将变量“Clu4_1”移入GroupingVariables框,单击GroupingVariables框,再在DefineRange弹出框中,Minimum输入1,Maximum输入4,取得结果
分析:
判别函数各分类样本回代正确率均为100%,判别成效较好。
试探:
在判别分析中缺少分类变量的话,如何办?
能够考虑先用聚类分析生成份类变量
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 华东理工大学 多元 统计分析 SPSS 应用 实验