多元统计分析判别分析实验报告Word格式文档下载.docx

多元统计分析判别分析实验报告Word格式文档下载.docx

《多元统计分析判别分析实验报告Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《多元统计分析判别分析实验报告Word格式文档下载.docx（12页珍藏版）》请在冰豆网上搜索。

熟悉SPSS统计软件，学会在统计软件SPSS中进行判别分析，并通过判别分析输出结果图，再进行判别分析。

依照输出结果，把未分组的判给距离相近那组。

二、内容及要求

1熟悉spss软件有关判别分析的操作；

2利用spss软件分析判别分析课后练习第六题，判定待判组的类别归属；

3输出并说明分析结果并完成实验报告。

二、仪器用具：

仪器名称

规格/型号

数量

备注

计算机

1

有网络环境

SPSS软件

三、实验方式与步骤:

步骤一：

将数据复制到SPSS中，通过编辑后形成某地域人口死亡状况的数据集，如图1所示。

图1某地域人口死亡状况的观测数据

步骤二：

依照要求，采纳系统聚类方式，在SPSS当选择分析-分类-判别分析

如图2。

图2判别分析

步骤三：

进行判别分析，将X1到X6全数选入自变量中，分组变量为组别，如图3。

图3判别分析选项框

步骤四：

在统计量选项框当选择均值，单变量，Box’sM等，如图4；

分类选项中勾选个案、摘要等，如图5。

图4统计量选项框

图5分类选项框

四、实验结果与数据处置：

1．查验各组的描述统计量和对各组均值是不是相等：

表1AnalysisCaseProcessingSummary

UnweightedCases

N

Percent

Valid

15

Excluded

Missingorout-of-rangegroupcodes

4

Atleastonemissingdiscriminatingvariable

.0

Bothmissingorout-of-rangegroupcodesandatleastonemissingdiscriminatingvariable

Total

19

表1反映的是有效样本量为15，变量的缺失值为4。

表2TestsofEqualityofGroupMeans

Wilks'

Lambda

F

df1

df2

Sig.

X1

.997

.019

2

12

.981

X2

.990

.061

.941

X3

.645

.072

X4

.438

.007

X5

.174

.000

X6

.926

.478

.631

表2是对各组均值是不是相等的查验，依照P值，咱们能够在的显著性水平上拒绝X4与X5在三组的均值相等的假设，即以为变量X4、X5在三组的均值是有显著不同的。

2.典型判别函数：

表3Eigenvalues

Function

Eigenvalue

%ofVariance

Cumulative%

CanonicalCorrelation

.992

.693a

.640

a.First2canonicaldiscriminantfunctionswereusedintheanalysis.

表4Wilks'

TestofFunction（s）

Chi-square

df

1through2

.010

.591

5

.416

由表3能够得出：

第一判别函数说明了%的方差，第二判别函数说明了%的方差，两个判别函数说明了全数的方差。

表4是对两个判别函数的显著性查验，由Wilkins’Lambda查验，在的显著性水平上，依照P值能够取得，第一个判别函数是显著的，第二个判别函数是不显著的。

3.判别函数、判别载荷和各组的重心：

表5StandardizedCanonicalDiscriminantFunctionCoefficients

.710

表6StructureMatrix

.007*

.280

*

.145

.096

.104*

.103*

.092*

表7CanonicalDiscriminantFunctionCoefficients

.825

.102

.054

.706

（Constant）

表8FunctionsatGroupCentroids

组别

3

表5是标准化的判别函数，表示为：

Y1=+表6为结构矩阵，即判别载荷，表四是反映判别函数在各组的重心

表7是非标准化的判别函数，表示为：

Y1=分类的统计结果：

表8ClassificationFunctionCoefficients

Fisher'

slineardiscriminantfunctions

表8是每组的分类函数，也称费歇线性判别函数，三组的分类函数表示为：

Y1=能够依照计算每一个观测在各组的分类函数值，将观测分类到较大的分类函数值中。

表9ClassificationResultsb,c

PredictedGroupMembership

Original

Count

Ungroupedcases

%

Cross-validateda

表9为分类矩阵表，通过判别函数的预测，依照原数据的所属组关系，3组观测全数被判对，未分组的变量中有一个待判样品判给第一组，有一个待判样品判给第二组，有两个待判样品判给第三组。

在交叉验证中，第一组5个样品全数被判对，第二组5个样品观测中有4个被判对，第三组5个样品观测中有3个被判对。

图6分类结果

依照上图6分类结果能够看出：

第二组样品与第一组样品和第三组样品能够很清楚地域分开，而第一组与第三组样品存在重合区域，即存在误判。

CasewiseStatistics

CaseNumber

ActualGroup

HighestGroup

SecondHighestGroup

DiscriminantScores

PredictedGroup

P（D>

d|G=g）

P（G=g|D=d）

SquaredMahalanobisDistancetoCentroid

Group

Function1

Function2

p

O

R

I

G

A

l

.846

.334

.876

.266

.942

.119

.756

.999

.561

.001

.628

.800

.445

.346

6

.789

.474

.219

7

.659

.835

8

.050

9

.091

10

.955

.092

11

.936

.132

.836

.359

13

.076

14

.178

.905

.095

.607

.998

.003

16

ungrouped

17

.745

.588

.834

18

.310

C

S

-

v

a

i

d

t

e

.966

.939

.982

.933

.002

.278

1**

.898

.387

.088

.011

.959

.041

依照上表CasewiseStatistics结果能够得出：

将待判样品1（第16行）判给第三组，将待判样品2（第17行）判给第一组，将待判样品3（第18行）判给第二组，将待判样品4（第18行）判给第三组。

五、讨论与结论