贝叶斯判别、费希尔判别法的计算机
操作及结果分析
一、实验内容、目标及要求
（一）实验内容
选取140家上市公司作为样本，其中70家为由于“财务状况异常”而被交易所对其股票实行特别处理（Special Treatment，简称ST）的公司，另外70家为财务正常的公司。为了研究上市公司发生财务困境的可能性，以“是否被ST”为分组变量，选择资产负债率、总资产周转率和总资产利润率几个财务指标作为判别分析变量，这三个指标分别从上市公司的偿债能力、资产管理能力和获利能力三个不同的角度反映了企业的财务状况。（二）实验目标
贝叶斯判别、费希尔判别法的计算机操作及结果分析。
（三）实验要求
要求学生能熟练应用计算机软件进行判别分析并对结果进行分析，培养实际应用能力。
二、实验准备
（一）运行环境说明
电脑操作系统为Windows XP及以上版本，所需软件为SPSS 16.0。
（二）基础数据设置说明
将数据正确导入SPSS，设置相应的变量值。
三、实验基本操作流程及说明
（一）系统界面及说明
同实验一。
（二）操作步骤
1. 选择菜单项Analyze→Classify→Discriminate，打开Discriminate Analysis对话框，如图4-1。将分组变量st移入Grouping Variable列表框中，将自变量x1－x3选入Independents列表框中。
选择Enter independents together单选按钮，即使用所有自变量进行判别分析。若选择了Use stepwise method单选按钮，则可以根据不同自变量对判别贡献的大小进行变量筛选，此时，对话框下方的Method按钮被激活，可以通过点击该按钮设置变量筛选的方法及变量筛选的标准。
图4-1 Discriminate Analysis对话框
2. 单击Define Range按钮，在打开的Define Range子对话框中定义分组变量的取值范围。本例中分类变量的取值范围为0到1，所以在Minimum和Maximum输入框中分别输入0和1。单击Continue按钮，返回主对话框。
3. 如果不想使用全部的样本进行分析，单击Select按钮，则Discriminate Analysis 对话框下方会跳出一个Selection Variable列表框，将一个选择变量移入Selection Variable列表框，并单击Rule按钮，设置选择条件。这样，只有满足选择条件的观测才能参与判别分析。
4. 单击Statistics按钮，在跳出的Statistics子对话框中指定输出的描述统计量和判别函数系数。该对话框中各选项的含义如下：
Descriptives选项栏：输出原始数据的描述性统计量
◆Means：输出各类中所有自变量的均值、组内标准差以及总样本的均值和标准差；
◆Univariate ANOVA：进行单因素方差分析，检验的原假设为不同类别中自变量的
均值不存在显著差异；
◆Box’s M：对各类的协方差矩阵是否相等进行检验。
Matrices选项栏：输出各种不同的协差阵和相关系数矩阵
◆Within-groups correlation matrix：平均组内相关系数矩阵，它是由平均组内协
差阵计算得到的；
◆Within-groups covariance matrix：平均组内协差阵，它是由各组的协差阵平均
后得到的；
◆Separate-groups covariance matrix：分别输出各个类的协差阵；
◆Total covariance matrix：总体协差阵。
Function Coefficients选项栏：输出不同的判别函数系数
◆Fisher’s：给出Bayes线性判别函数的系数。（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
进行归类这种思想是由Fisher提出来的。这里极易混淆，请读者注意辨别。）
◆Unstandardized：给出未标准化的Fisher判别函数（即典型判别函数）的系数。
（SPSS默认给出标准化的Fisher判别函数系数）
这里我们仅选择Function Coefficients选项栏中的两个选项Fisher’s和Unstandardized，以便得到所需要的Bayes判别函数和Fisher判别函数，其余选项均不作选择。
图4-2 Statistics子对话框
5. 单击Classify按钮，打开Classification子对话框，如图4-3。对话框中各选项的含义如下：
Prior Probabilities选项栏：用于设定在Bayes判别法中各类的先验概率，其中All groups equal表示各类先验概率相等，Compute from group sizes表示用样本频率代替先验概率；
Use Covariance Matrix选项栏：用于指定计算判别函数所使用的协差阵，其中Within-groups表示使用平均协差阵计算判别函数，而Separate-groups表示计算判别函数时使用各组自身的协差阵；
Display选项栏：Casewise result选项表示输出一个判别结果表，该表中给出了每个样品的判别分数、后验概率、实际类和预测类编号等；Summary table选项表示输出错判矩阵；Leave-one-out calssification选项表示输出每个样品的分类结果，这里的分类所依据的判别函数是由除该样品之外的其它样品导出的，因此也称为“交互校验”；
Plots选项栏：可以指定输出几种直观地展现分类结果的统计图。
这里，我们仅选择Display选项栏中的Summary table选项，即要求输出错判矩阵，以便从总体上把握模型的判别功效，其余均保持默认选项。
图4-3 Classification子对话框
6. 单击Save按钮，打开Save子对话框，如图4-4，指定在数据文件中生成代表判别分类结果和判别函数值的新变量。生成的新变量的含义如下：
◆Predicted group membership：存放判别样品所属类别的值；
◆Discriminant scores：存放Fisher判别函数值的值，有几个典型判别函数就有几
个判别函数值变量；
◆Probabilities of group membership：存放样品属于各类的Bayes后验概率值，
总体分为几类就生成几个后验概率变量。
将对话框中的三个复选框均选中，单击Continue按钮返回。
