判别分析的SPSS实现
- 格式：pps
- 大小：697.50 KB
- 文档页数：43
第五节判别分析
判别分析是根据观察或测量到的若干变量值，判断研究对象如何分类的方法。
判别函数一般形式是：
F1= ai1x1+ai2x2+ai3x3．．．+ainxn
F2= ai1x1+ai2x2+ai3x3．．．+ainxn: :
Fm= am1x1+am2x2+am3x 3．．．+amnxn
SPSS提供的判别分析过程是Discriminant过程。
【例3-9】
浙江北部地区1950~1982年小麦赤霉病发生程度与气象因子研究，总结出上年12月
降雨量（x1）、上年10月下旬至11月中旬和当年1~2月总降雨（x2）、上年10月下旬至11
月上旬日照时数（x3）、上年10月下旬至12月中旬和当年2月总雨量（x4）以及当年3月
中旬平均温度（x5）等5个因子，并将赤霉病情分为轻中重三级（y，分别用1、2、3表示）。用这些数据建立气象因子与小麦赤霉病发生程度的判别模型。
年份x1x2x3x4x5y
195014.3107.3140.0105.36.91
195146.5129.1154.191.311.91
195243.0143.183.9157.413.02
195371.2280.582.5317.413.93
1954.769.3145.669.511.31
1955123.9297.364.6307.213.73
195685.4115.439.4144.711.11
195738.477.394.6143.213.92
195879.696.885.499.09.62
195933.474.7129.5103.49.91
196048.195.9155.392.010.511955123.9297.364.6307.213.73
195685.4115.439.4144.711.11
195738.477.394.6143.213.92
195879.696.885.499.09.62
195933.474.7129.5103.49.91
196048.195.9155.392.010.51
19617.7116.3158.2148.115.11
19628.9225.3104.2195.513.81
196334.8150.7165.0124.611.91
196444.4147.288.3158.712.72
196574.2232.794.1154.613.53
1966.180.9148.881.311.01
1967119.6208.070.9217.813.83
196894.0130.249.2176.211.02
196932.983.6115.3135.713.82
197065.588.1126.9102.59.71
197131.359.3105.182.910.01
197252.393.3173.791.210.01
19737.298.2154.3120.715.01
19745.3245.8100.4200.213.71
1准备分析数据
在SPSS数据管理窗口，定义变量名x1、x2、x3、x4、x5、
y分别表示表中对应变量。然后输入对应的数据。
或者打开已经建立的数据(data3_9.sav或data3_9.xls)。
数据形式
数据形式
2启动判别过程
3指定分析变量
1）指定分类变量及其范围
1
33指定分析变量
2）指定判别因子变量
3指定分析变量
3）设置进入分析的控制变量
如果希望使用数据文件中的部
分观测量进行判别函数的推导，用
一个变量值来作为这些观测量的标识。将该变量选入到“Selection
Variable”框中，再单击右侧的
“Valve”按钮，展开“Set Value”
对话框，键入标识值。在不做判别
检验时，可以省略。
4选择判别方法
建立全模型。当认为所有因
子变量都能对观测量特性提供丰
富的信息时使用该选择项。系统缺省选项。
进入判别模型的自变量根
据对判别贡献的大小进行逐步选择。4设置分析方法
1）选择进入判别函数的方法
方法
标准每步都是Wilk
的λ统计量最小的
进入判别函数每步都是使各
类不可解释的方差
和最小的变量进入判别函数每步都使靠得最近的两类间的Mahalanobis距
离最大的变量进入判别函数。每步都使任何两类间的F值最大的变量进入判
别函数。每步都是使Rao’s V统
计量产生最大增量的变量进入判别函数。4设置分析方法
2）选择选择逐步判别的标准
方法标准
使用F值，是系统默认的判据，当加入一个变量(或剔除一个变量)
后，对在判别函数中的变量进行方差分析。
当计算的F值大于指定的Entry值时，该变量保留在函数中。默认
值是Entry为3.84。
当该变量计算的F值小于指定的Removal值时，该变量从函数中
剔除。默认值是Removal为2.71。
即当被加入的变量F值≥3.84时才把该变量加入到模型中，否则变
量不能进入模型；或者当要从模型中移出的变量F值≤2.7l时，该变量
才被移出模型，否则模型中的变量不会被移出。
设置这两个值时应该使Entry值大于Removal值。
本例在“Entry”栏输入“3.0”，“Removal”栏输入“2.0”。4设置分析方法3指定分析变量
方法标准
用F检验的概率决定变量是否加入函数或被剔除而不是用F
值。
加入变量的F值概率的默认值是0.05(5％)；移出变量的F值
概率是0.10(10％)。Removal值(移出变量的F值概率)大于Entry
值(加入变量的F值概率)。2）选择选择逐步判别的标准3）设置显示内容
方法标准
在逐步选择变量过程中的每一
步之后显示每个变量的统计量。系统默认。
要求显示两类之间的F值矩阵本例不需要显示，两项都不选择。4设置分析方法3）设置显示内容
方法标准4设置分析方法4指定分类参数和判别结果
4指定分类参数和判别结果若分为m类，则各类
先验概率均为1/m。
各类的先验概率与其样本量成正比。
本例选中此项。1）选择先验概率4指定分类参数和判别结果
使用合并组内协方差矩阵进行分类。
本例选中此项
。使用各组协方差矩阵进行分类。2）选择分类使用的协方差矩阵4指定分类参数和判别结果
输出每个观测量包括判别分数、实际类、预测类(根据判别函数求得
的分类结果)和后验概率等。3）设置输出中的分类结果4指定分类参数和判别结果
输出每个观测量包括判别分数、实际类、预测类(根据判别函数求得
的分类结果)和后验概率等。3）设置输出中的分类结果
输入观测量数n。选择此项则仅
输出前n个观测量。观测数量大时可
以选择此项。4指定分类参数和判别结果
3）设置输出中的分类结果
要求输出分类小结，给出正确分类观测量数和错分观测量数和错分率。
本例选中此项。输出对每个观测量进行分类的结
果，4指定分类参数和判别结果
4）选择输出统计图生成一幅包括各类的散点图。该散
点图是根据前两个判别函数值作的散点
图。如果只有一个判别函数，就输出直方图。生成散点图。共分为几类就生
成几幅散点图。如果只有一个判别函数，就输出直方图。生成用于根据函数值把观测量分
到各组中去的边界图。此种统计图把
一张图的平面划分出与类数相同的区域。每一类占据一个区。4指定分类参数和判别结果
5）缺失值处理方式
用该变量的均值代替缺失值。4指定分类参数和判别结果
5）缺失值处理方式5设置统计量输出
5设置统计量输出输出各类中自变量的均值、标准差和总样本的均值和标准差。本例选中此项。1）输出描述统计量
对各个自变量进行均值假设检验，输出单变量的方差分析结果。
对各类的协方差矩阵相等的假设进行检验。5设置统计量输出
可以直接用于对新样本进行判别分类的费雪系数。对每一类给出一组函数系数。并给出该组中判别分数最大的观测量。
本例选中此项。2）输出判别函数系数
未经标推化处理的判别函数系数。5设置统计量输出输出类内相关矩阵。它是根据在计算相关矩阵之前将各类(组)协方差矩阵
平均后计算类内相关矩阵。3）输出自变量的系数矩阵
输出合并类内协方差矩阵，是将各组(类)协方差矩阵平均后计算的。
输出每类的协方差矩阵。显示输出总样本的协方差矩阵。5设置统计量输出
3）输出自变量的系数矩阵6选择保存数据
6选择保存数据
建立一个新变量，存储观测量被预测的分类值。是
根据判别分数把观测量按后验概率最大指派所属的类，
每运行一次判别过程，就建立一个表明使用判别函数预
测的各观测量属于哪一类的新变量。第一次运行建立新交量的变量名为“dis_1”，如果
在工作数据文件中不把前一次建立的新变量删除第n次运行判别过程建立的新变量默认的变量名为“dis_n”。建立存储判别分得数的新变量。
该得分数是由未标准化的判别系数乘自变量的值，将这些乘积
求和后加上常数得来。每次运行判别过程都给出一个存储判别分数的
新变量。建立几个判别函数就有几个判别分数变量。参与分析的观侧量共分为m类，则建立“m-1”个典则判别函数，
指定该选择项，就可以生成m-1个存储判别分数的新变量。
例如原始数据观测量共分为3类，建立两个典则判别函数。第一
次运行判别过程建立的新变量名为disl_1、dis2_l，第二次运行判别过程建立的新变量名为disl_2、dls2_2…依此类推。分别表示代入第
一和第二个判别函数所得到的判别分数。建立新变量存储观测量属于某一类的概率。有m类，对一个观
测量就会给出m个概率值，因此建立m个新变量。例如原始和预测分
类数是3，指定该选择项，在第一次运行判别过程后，给出的存储分
类概率的新变量名为dis1_1、dis2_1、dis3_1。
本例选中此项。
