判別分析實驗報告SPSS

#S判別分析:統(tǒng)計量描述性M網(wǎng)函口單S判別分析:統(tǒng)計量描述性M網(wǎng)函口單變量ANOVAfA)nBox'sM(B)「函數(shù)系數(shù) SlAsher(F)未標(biāo)準(zhǔn)優(yōu)(可M組內(nèi)相關(guān)但)口組內(nèi)協(xié)方差區(qū))口分組協(xié)方差(E)總體協(xié)方差Q)圖四圖五貝葉斯判別法輸出的結(jié)果與尸15卜0「判別法很大程度上是一致的，這里不再列出。表12 表13 表12為各族的先驗概率，在分組選項中選擇的是“根據(jù)組大小計算"。表13展示了每組的分類函數(shù)，也稱費(fèi)歇線性判別函數(shù),由表中的結(jié)果可以說明：group=1這一組的分類函數(shù)為：f=-46。457-89.225綜合效率標(biāo)準(zhǔn)指數(shù)+18.318經(jīng)濟(jì)效率標(biāo)準(zhǔn)指數(shù)1+112。414結(jié)構(gòu)效率標(biāo)準(zhǔn)指數(shù)+61.509社會效率標(biāo)準(zhǔn)指數(shù)+77.419人員效率標(biāo)準(zhǔn)指數(shù)+57.663發(fā)展效率標(biāo)準(zhǔn)指數(shù)其他兩組的分類函數(shù)同樣可以寫出，我們可以根據(jù)每個城市在各組的分類函數(shù)值然后將城市分類到較大的分類函數(shù)值中。表14為貝葉斯判別的分類結(jié)果,其交叉驗證有95.5%的城市被判對，這一概率比Fisher判別要高。表14

五、討論與結(jié)論(1)由前面的分析我們知道，協(xié)方差矩陣并不相等，考慮采用分組協(xié)方差矩陣。

group未分身的先例group未分身的先例可以看出這個結(jié)果與采用組內(nèi)協(xié)方差矩陣的預(yù)測效果沒有明顯的差別，而且分類結(jié)果圖與圖三也沒有很大的差異，因此,可以采用組內(nèi)協(xié)方差矩陣來進(jìn)行判別。(2)之前的分析是采用“一起輸入自變量”的方法，由表1可知，在0。05的顯著性水平上不能拒絕結(jié)構(gòu)效率標(biāo)準(zhǔn)指數(shù)和環(huán)境效率標(biāo)準(zhǔn)指數(shù)在三組的均值相等的假設(shè)，考慮“使用步進(jìn)式方法"，最終確定進(jìn)入分析的變量有3個：經(jīng)濟(jì)效率標(biāo)準(zhǔn)指數(shù)、人員效率標(biāo)準(zhǔn)指數(shù)、發(fā)展效率標(biāo)準(zhǔn)指數(shù),上表給出了最終的分類結(jié)果,可以看出，在原有數(shù)據(jù)的所有城市中，有95.5％的城市被判對，在交叉驗證中有92.5%的城市被判對.沒有“一起輸入自變量”時的效果好，但是在最終對待判城市的分組問題上,兩