多元统计分析判别分析(方法+步骤+分析总结)

下载文档原格式

/ 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

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

多元统计分析 判别分析(方法+步骤+分析 总结)