




版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、A,1,判別分析的一般步驟及SPSS實(shí)現(xiàn),判別分析的邏輯框圖,A,4,例1:為研究某地區(qū)人口死亡狀況,已按某種方法將15個(gè)已知地區(qū)樣品分為3類,指標(biāo)含義及原始數(shù)據(jù)如下。試建立判別函數(shù),并判定另外4個(gè)待判地區(qū)屬于哪類?,判別分析的SPSS實(shí)現(xiàn),表7.1 各地區(qū)死亡概率表,(一) 操作步驟 1. 在SPSS窗口中選擇AnalyzeClassifyDiscriminate,調(diào)出判別分析主界面,將左邊的變量列表中的“group”變量選入分組變量中,將 選入自變量中,并選擇Enter independents together單選按鈕,即使用所有自變量進(jìn)行判別分析。,圖7.2 判別分析主界面,X1,X6
2、,A,7,2. 點(diǎn)擊Define Range按鈕,定義分組變量的取值范圍。本例中分類變量的范圍為1到3,所以在最小值和最大值中分別輸入1和3。單擊Continue按鈕,返回主界面。,判別分析的SPSS實(shí)現(xiàn),A,8,3. 單擊Statistics按鈕,指定輸出的描述統(tǒng)計(jì)量和判別函數(shù)系數(shù)。選中Function Coefficients欄中的Fishers和Unstandardized。這兩個(gè)選項(xiàng)的含義如下: Fishers:給出Bayes判別函數(shù)的系數(shù)。(注意:這個(gè)選項(xiàng)不是要給出Fisher判別函數(shù)的系數(shù)。這個(gè)復(fù)選框的名字之所以為Fishers,是因?yàn)榘磁袆e函數(shù)值最大的一組進(jìn)行歸類這種思想是由Fi
3、sher提出來的。這里極易混淆,請(qǐng)注意辨別。) Unstandardized:給出未標(biāo)準(zhǔn)化的Fisher判別函數(shù)(即典型判別函數(shù))的系數(shù)(SPSS默認(rèn)給出標(biāo)準(zhǔn)化的Fisher判別函數(shù)系數(shù))。,判別分析的SPSS實(shí)現(xiàn),A,9,注:由于SPSS中的判別分析沒有距離判別這一方法,因此距離判別法無法在SPSS中直接實(shí)現(xiàn)(但可以通過Excel等軟件來進(jìn)行手工計(jì)算)。,判別分析的SPSS實(shí)現(xiàn),A,10,單擊Continue按鈕,返回主界面。,圖7.3 Statistics子對(duì)話框,判別分析的SPSS實(shí)現(xiàn),4. 單擊Classify按鈕,定義判別分組參數(shù)和選擇輸出結(jié)果。選擇Display欄中的Casewis
4、e results,輸出一個(gè)判別結(jié)果表,包括每個(gè)樣品的判別分?jǐn)?shù)、后驗(yàn)概率、實(shí)際組和預(yù)測組編號(hào)等。其余的均保留系統(tǒng)默認(rèn)選項(xiàng)。單擊Continue按鈕。,圖7.4 Classify子對(duì)話框,A,12,5. 單擊Save按鈕,指定在數(shù)據(jù)文件中生成代表判別分組結(jié)果和判別得分的新變量,生成的新變量的含義分別為: Predicted group membership:存放判別樣品所屬組別的值; Discriminant scores:存放Fisher判別得分的值,有幾個(gè)典型判別函數(shù)就有幾個(gè)判別得分變量; Probabilities of group membership:存放樣品屬于各組的Bayes后驗(yàn)概
5、率值。 將對(duì)話框中的三個(gè)復(fù)選框均選中,單擊Continue按鈕返回。,判別分析的SPSS實(shí)現(xiàn),A,13,圖7.5 Save子對(duì)話框,6. 返回判別分析主界面,單擊OK按鈕,運(yùn)行判別分析過程。,判別分析的SPSS實(shí)現(xiàn),A,14,(二) 主要運(yùn)行結(jié)果解釋 1. Standardized Canonical Discriminant Function Coefficients(給出標(biāo)準(zhǔn)化的典型判別函數(shù)系數(shù)) 標(biāo)準(zhǔn)化的典型判別函數(shù)是由標(biāo)準(zhǔn)化的自變量通過Fisher判別法得到的,所以要得到標(biāo)準(zhǔn)化的典型判別得分,代入該函數(shù)的自變量必須是經(jīng)過標(biāo)準(zhǔn)化的。 2. Canonical Discriminant F
6、unction Coefficients(給出未標(biāo)準(zhǔn)化的典型判別函數(shù)系數(shù)) 未標(biāo)準(zhǔn)化的典型判別函數(shù)系數(shù)由于可以將實(shí)測的樣品觀測值直接代入求出判別得分,所以該系數(shù)使用起來比標(biāo)準(zhǔn)化的系數(shù)要方便一些。見表7.2(a)。,判別分析的SPSS實(shí)現(xiàn),A,15,由此表可知,兩個(gè)Fisher判別函數(shù)分別為: 實(shí)際上兩個(gè)函數(shù)式計(jì)算的是各觀測值在各個(gè)維度上的坐標(biāo),這樣就可以通過這兩個(gè)函數(shù)式計(jì)算出各樣品觀測值的具體空間位置。,判別分析的SPSS實(shí)現(xiàn),A,16,表7.2(a) 未標(biāo)準(zhǔn)化的典型判別函數(shù)系數(shù),判別分析的SPSS實(shí)現(xiàn),3. Functions at Group Centroids(給出組重心處的Fisher
7、判別函數(shù)值) 如表7.2 (b) 所示,實(shí)際上為各類別重心在空間中的坐標(biāo)位置。這樣,只要在前面計(jì)算出各觀測值的具體坐標(biāo)位置后,再計(jì)算出它們分別離各重心的距離,就可以得知它們的分類了。,表7.2(b) 組重心處的Fisher判別函數(shù)值,A,18,4. Classification Function Coefficients(給出Bayes判別函數(shù)系數(shù)) 如表7.3所示,Group欄中的每一列表示樣品判入相應(yīng)列的Bayes判別函數(shù)系數(shù)。在本例中,各類的Bayes判別函數(shù)如下: 第一組: 第二組: 第三組:,判別分析的SPSS實(shí)現(xiàn),A,19,將各樣品的自變量值代入上述三個(gè)Bayes判別函數(shù),得到三個(gè)
8、函數(shù)值。比較這三個(gè)函數(shù)值,哪個(gè)函數(shù)值比較大就可以判斷該樣品判入哪一類。例如,將第一個(gè)待判樣品的自變量值分別代入函數(shù),得到: F1=3793.77, F2=3528.32, F3=3882.48 比較三個(gè)值,可以看出第一個(gè)待判樣品應(yīng)該屬于第三組。,判別分析的SPSS實(shí)現(xiàn),A,20,表7.3 Bayes判別法的輸出結(jié)果,判別分析的SPSS實(shí)現(xiàn),A,21,5. Casewise Statistics(給出個(gè)案觀察結(jié)果) 在Casewise Statistics輸出表針對(duì)每個(gè)樣品給出了了大部分的判別結(jié)果,其中包括:實(shí)際類(Actual Group)、預(yù)測類(Predicted Group)、Bayes
9、判別法的后驗(yàn)概率、與組重心的馬氏距離(Squared Mahalanobis Distance to Centroid)以及Fisher判別法的每個(gè)典型判別函數(shù)的判別得分(Discriminant Scores)。出于排版要求,這里給出結(jié)果表的是經(jīng)過加工的,隱藏了其中的一些項(xiàng)目,如表7.4所示。從表中可以看出四個(gè)待判樣本依次被判別為第三組、第一組、第二組和第三組。,判別分析的SPSS實(shí)現(xiàn),表7.4 個(gè)案觀察結(jié)果表,A,23,6. 由于我們?cè)赟ave子對(duì)話框中選擇了生成表示判別結(jié)果的新變量,所以在數(shù)據(jù)編輯窗口中,可以觀察到產(chǎn)生的新變量。其中,變量dis-1存放判別樣品所屬組別的值,變量dis1-
10、1和dis2-1分別代表將樣品各變量值代入第一個(gè)和第二個(gè)判別函數(shù)所得的判別分?jǐn)?shù),變量dis1-2、dis2-2和dis3-2分別代表樣品分別屬于第1組、第2組和第3組的Bayes后驗(yàn)概率值。,判別分析的SPSS實(shí)現(xiàn),A,24,例2: 對(duì)國家類別的判別,判別分析的SPSS實(shí)現(xiàn),14個(gè)國家的出生時(shí)預(yù)期壽命和成人識(shí)字率,A,26,分析分類判別 基本設(shè)定:,判別分析的SPSS實(shí)現(xiàn),相關(guān)選項(xiàng),刀切法的分類效果,原始數(shù)據(jù)的分類效果,相關(guān)選項(xiàng),保存分類結(jié)果,A,30,結(jié)果分析:方差分析,識(shí)字率在各組中差別很不顯著,對(duì)分類的作用可能不大。,判別分析的SPSS實(shí)現(xiàn),A,31,Fisher判別函數(shù),D=-16.661+0.342預(yù)期壽命-0.09識(shí)字率,判別分析的SPSS實(shí)現(xiàn),A,32,兩類的重心,根據(jù)待判樣品的數(shù)據(jù)計(jì)算Fisher判別函數(shù)的值,離哪個(gè)組的重心近就歸入哪一類。,判別分析的SPSS實(shí)現(xiàn),A,33,分類函數(shù),D1=-190+5.44預(yù)期壽命-0.362識(shí)字率 D2=-162+4.88預(yù)期壽命-0.214
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 教育心理學(xué)在提升學(xué)生社交技巧中的應(yīng)用
- 游戲化在幼兒體育教育中的應(yīng)用研究
- 教育大數(shù)據(jù)提升教學(xué)質(zhì)量的有效工具
- 企業(yè)信息安全文化建設(shè)的重要性與實(shí)踐
- 醫(yī)學(xué)心理學(xué)與疾病預(yù)防的交叉研究
- 智慧城市公共安全信息系統(tǒng)的基石建設(shè)
- 基于教育技術(shù)的全球混學(xué)創(chuàng)新與實(shí)踐分析報(bào)告
- 逆向思維培訓(xùn)課件圖片
- 抖音商戶退款退貨處理效率考核制度
- 抖音商戶直播情感連接策略制度
- 2023年松潘縣小升初英語考試題庫及答案解析
- 2023年公路工程監(jiān)理工作合同管理內(nèi)容及有效措施
- 一年級(jí)看圖寫話(教學(xué))課件
- 嚴(yán)重藥物不良反應(yīng)診斷與處理
- 直流屏原理-課件
- 加藥設(shè)備安裝 檢驗(yàn)批施工質(zhì)量驗(yàn)收表
- 盡職調(diào)查所用相關(guān)表格(全)
- 三基-學(xué)校兒童少年衛(wèi)生學(xué)(200題)練習(xí)
- 老年康養(yǎng)服務(wù)中心項(xiàng)目可行性研究報(bào)告寫作參考范文
- 生物質(zhì)中纖維素、半纖維素和木質(zhì)素含量的測定
- 枸杞采摘合同
評(píng)論
0/150
提交評(píng)論