多元统计分析判别分析实验报告.docx

多元统计分析判别分析实验报告.docx

《多元统计分析判别分析实验报告.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.docx（12页珍藏版）》请在冰豆网上搜索。

多元统计分析判别分析实验报告

学生实验报告

学院：

课程名称：

多元统计分析

专业班级：

姓名：

学号：

学生实验报告

学生姓名

学号

同组人

实验项目

判别分析

□必修□选修

□演示性实验□验证性实验□操作性实验□综合性实验

实验地点

实验仪器台号

指导教师

实验日期及节次

一、实验目的及要求：

一、目的

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

1

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

.0

Bothmissingorout-of-rangegroupcodesandatleastonemissingdiscriminatingvariable

0

.0

Total

4

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

2

12

.941

X3

.645

2

12

.072

X4

.438

2

12

.007

X5

.174

2

12

.000

X6

.926

.478

2

12

.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

1

.992

2

.693a

.640

a.First2canonicaldiscriminantfunctionswereusedintheanalysis.

表4Wilks'Lambda

TestofFunction（s）

Wilks'Lambda

Chi-square

df

Sig.

1through2

.010

12

.000

2

.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

Function

1

2

X1

X2

X3

X4

X5

.710

X6

表6StructureMatrix

Function

1

2

X1

.007*

X5

.280

*

X4

.145

*

X3

.096

.104*

X2

.007

.103*

X6

.092*

表7CanonicalDiscriminantFunctionCoefficients

Function

1

2

X1

X2

X3

X4

.825

X5

.102

.054

X6

.706

（Constant）

表8FunctionsatGroupCentroids

组别

Function

1

2

1

2

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

组别

1

2

3

X1

X2

X3

X4

X5

X6

（Constant）

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

组别

PredictedGroupMembership

Total

1

2

3

Original

Count

1

5

0

0

5

2

0

5

0

5

3

0

0

5

5

Ungroupedcases

1

1

2

4

%

1

.0

.0

2

.0

.0

3

.0

.0

Ungroupedcases

Cross-validateda

Count

1

5

0

0

5

2

1

4

0

5

3

2

0

3

5

%

1

.0

.0

2

.0

3

.0

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

P（G=g|D=d）

SquaredMahalanobisDistancetoCentroid

Function1

Function2

p

df

O

R

I

G

I

N

A

l

1

1

1

.846

2

.334

3

.000

2

1

1

.876

2

.266

3

.000

3

1

1

.942

2

.119

3

.000

4

1

1

.756

2

.999

.561

3

.001

.628

5

1

1

.800

2

.445

3

.000

.346

6

2

2

.789

2

.474

1

.000

.219

7

2

2

.659

2

.835

1

.000

8

2

2

.050

2

1

.000

9

2

2

.091

2

1

.000

10

2

2

.955

2

.092

1

.000

11

3

3

.936

2

.132

1

.000

12

3

3

.836

2

.359

1

.000

13

3

3

.076

2

1

.000

14

3

3

.178

2

.905

1

.095

15

3

3

.607

2

.997

.998

1

.003

16

ungrouped

3

.000

2

1

.000

17

ungrouped

1

.745

2

.999

.588

3

.001

.834

18

ungrouped

2

.000

2

1

.000

19

ungrouped

3

.310

2

1

.000

C

R

O

S

S

-

v

a

l

i

d

a

t

e

d

a

1

1

1

.966

6

3

.000

2

1

1

.939

6

3

.000

3

1

1

.982

6

3

.000

4

1

1

.933

6

.998

3

.002

5

1

1

.278

6

.998

3

.002

6

2

2

.000

6

1

.000

7

2

1**

.000

6

2

.000

8

2

2

.000

6

1

.000

9

2

2

.000

6

1

.000

10

2

2

.000

6

1

.000

11

3

3

.898

6

1

.000

12

3

3

.387

6

1

.000

13

3

3

.000

6

1

.000

14

3

1**

.088

6

3

.000

15

3

1**

.011

6

.959

3

.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