一、实验目的及要求：
1、目的
用SPSS软件实现判别分析及其应用。
2、内容及要求
用SPSS对实验数据利用Fisher判别法和贝叶斯判别法，建立判别函数并判定宿州、广安等13个地级市分别属于哪个管理水平类型。
二、仪器用具：
三、实验方法与步骤:
准备工作：把实验所用数据从Word文档复制到Excel，并进一步导入到SPSS 数据文件中，同时，由于只有当被解释变量是属性变量而解释变量是度量变量时，判别分析才适用，所以将城市管理的7个效率指数变量的变量类型改为“数值（N）”，度量标准改为“度量（S）”，以备接下来的分析。
四、实验结果与数据处理：
表1 组均值的均等性的检验
Wilks 的 Lambda F df1 df2 Sig.
综合效率标准指数.582 23.022 2 64 .000 经济效率标准指数.406 46.903 2 64 .000 结构效率标准指数.954 1.560 2 64 .218 社会效率标准指数.796 8.225 2 64 .001 人员效率标准指数.342 61.645 2 64 .000 发展效率标准指数.308 71.850 2 64 .000 环境效率标准指数.913 3.054 2 64 .054
表1是对各组均值是否相等的检验，由该表可以看出，在0.05的显著性水平上我们不能拒绝结构效率标准指数和环境效率标准指数在三组的均值相等的假设，即认为除了结构效率标准指数和环境效率标准指数外，其余五个标准指数在三组的均值是有显著差异的。
表2 对数行列式
group 秩对数行列式
1 6 -33.410
2 6 -33.177
3 6 -40.584
汇聚的组内 6 -32.308 打印的行列式的秩和自然对数是组协方差矩阵的秩和自然对数。
表3 检验结果
箱的 M 140.196
F 近似。 2.498
df1 42
df2 1990.001
Sig. .000 对相等总体协方差矩阵的零假设进行检验。
以上是对各组协方差矩阵是否相等的Box’M检验，表2反映协方差矩阵的秩和行列式的对数值。由行列式的值可以看出，协方差矩阵不是病态矩阵。表3是对各总体协方差阵是否相等的统计检验，由F值及其显著水平，在0.05的显著性水平下拒绝原假设，认为各总体协方差阵不相等。
1）Fisher判别法：
图一
图二
表4 特征值
函数特征值方差的 % 累积 % 正则相关性
1 3.763a75.0 75.0 .889
2 1.257a25.0 100.0 .746
a. 分析中使用了前 2 个典型判别式函数。
表5 Wilks 的 Lambda
函数检验Wilks 的 Lambda 卡方df Sig.
1 到
2 .09
3 146.042 12 .000
2 .44
3 50.053 5 .000
表4反映了判别函数的特征值、解释方差的比例和典型相关系数。第一判别函数解释了75%的方差，第二判别函数解释了25%的方差，它们两个判别函数解释了全部方差。
表5是对两个判别函数的显著性检验，由Wilks’Lambda检验，认为两个判别函数在0.05的显著性水平上是显著的。
表6 标准化的典型判别式函数系数
函数
1 2
综合效率标准指数-.228 -.578 经济效率标准指数.566 .404 结构效率标准指数.097 .472 社会效率标准指数.378 .233
人员效率标准指数-.328 1.099 发展效率标准指数.621 .675
表7 结构矩阵
函数
1 2
发展效率标准指数.752*.305 经济效率标准指数.611*.222 综合效率标准指数.426*.170 社会效率标准指数.261*-.001 环境效率标准指数a.141*-.129 人员效率标准指数-.547 .797*结构效率标准指数.070 -.156*判别变量和标准化典型判别式函数之间的汇聚组间相关性
按函数内相关性的绝对大小排序的变量。
*. 每个变量和任意判别式函数间最大的绝对相关性
a. 该变量不在分析中使用。
表6为标准化的判别函数，表7为结构矩阵，即判别载荷。由判别权重和判别载荷可以看出发展效率标准指数、经济效率标准指数对判别函数1的贡献较大，而人员效率标准指数对判别函数2的贡献较大。
表8 典型判别式函数系数
函数
1 2
综合效率标准指数-5.216 -13.231 经济效率标准指数 5.168 3.688 结构效率标准指数.999 4.848 社会效率标准指数 4.877 3.011 人员效率标准指数-3.319 11.138 发展效率标准指数7.145 7.774 (常量) -1.363 -6.424 非标准化系数
表9 组质心处的函数
group 函数
1 2
0 1 -.210 -.730
2 3.964 1.263
3 -2.725 1.905
在组均值处评估的非标准化典型判别式函数
表8为非标准化的判别函数，我们可以根据这个判别函数计算每个观测的判别Z 得分。表9反映判别函数在各组的重心。根据结果，判别函数在group=1这一组的重心为（-0.210，-0.730），在group=2这一组的重心为（3.964,1.263），在group=3这一组的重心为（-2.725,1.905）。这样，我们就可以根据每个观测的判别Z得分将观测进行分类。
表11 分类结果b,c
group 预测组成员
合计
1 2 3
