多元统计分析 判别分析(方法+步骤+分析 总结)
- 格式:doc
- 大小:252.50 KB
- 文档页数:5
判别分析:
实验步骤:
1.在SPSS窗口中选择:分析-分类-判别,将变量导入自变量框中,group导入分组变
量中,选择定义范围,最小为1最大为3,并选择一起输入自变量,点击继续
2.点击统计量,描述性中选择“均值”,“单变量”和”Box”,选择函数系数中的“Fisher”
“未标准化”,矩阵中选择“组内相关”,点击继续
3.点击分类
点击继续
4.点击“保存”,三个框均选中,点击继续
5.点击确定
实验结果分析:
1.表1 组统计量
看各个总体在均值等指标上的值是否接近,若接近说明各类之间在该指标差异不大表2
表3 汇聚的组内矩阵
若自变量之间存在高度相关,则判别分析价值不大,但并不严格,允许出现一定的相关表4 协方差矩阵的均等性的箱式检验
检验结果p值>0.05时,说明协方差矩阵相等,可以进行bayes检验
表7
由表7可知,两个Fisher 判别函数分别为
112345621234
56
74.99 1.861 1.6560.8770.7980.098 1.57929.4820.867 1.1550.3560.0890.0540.69y X
X X X X X y X X X X
X X =--+-+++=--+--++
表8 结构矩阵
该表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,相关系数的绝对值越大,说明原始变量与这个判别函数的相关性越强
由表9可知各类别重心的位置,通过计算观测值与各重心的距离,距离最小的即为该观测值的分类。
表10 给出贝叶斯判别函数系数
第一类:
1123456
5317.2143.9153.190.153.011.0189.3F X X X X X X =--+-+++
2. 将各样品的自变量值代入上述三个Bayes 判别函数,得到函数值。比较函数值,哪
个函数值比较大就可以判断该样品判入哪一类