多元统计分析 判别分析(方法+步骤+分析 总结)

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组均值的均等性的检验Wilks 的 LambdaFdf1df2Sig.0岁组死亡概率.997.019212.9811岁组死亡概率.990.063212.93910岁组死亡概率.6453.301212.07255岁组死亡概率.4387.690212.00780岁组死亡概率.17428.557212.000平均预期寿命.926.478212.631由表中看到第一二六个指标的sig值很大，说明拒绝原假设，在总体间差异不大表3 汇聚的组内矩阵汇聚的组内矩阵0岁组死亡概率1岁组死亡概率10岁组死亡概率55岁组死亡概率80岁组死亡概率平均预期寿命相关性0岁组死亡概率1.000.990.624.964.660-.8731岁组死亡概率.9901.000.661.943.605-.89010岁组死亡概率.624.6611.000.632.323-.50555岁组死亡概率.964.943.6321.000.759-.90680岁组死亡概率.660.605.323.7591.000-.731平均预期寿命-.873-.890-.505-.906-.7311.000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5特征值函数特征值方差的 %累积 %正则相关性156.169a98.898.8.9912.693a1.2100.0.640a. 分析中使用了前 2 个典型判别式函数。由表5看出，函数1的特征值很大，对判别的贡献大表6标准化的典型判别式函数系数函数120岁组死亡概率-16.268-7.5751岁组死亡概率13.9699.74610岁组死亡概率-1.232-.49955岁组死亡概率6.173-.68980岁组死亡概率1.284.709平均预期寿命4.1001.791表7给出非标准化的典型判别函数系数典型判别式函数系数函数120岁组死亡概率-1.861-.8671岁组死亡概率1.6561.15510岁组死亡概率-.877-.35655岁组死亡概率.798-.08980岁组死亡概率.098.054平均预期寿命1.579.690(常量)-74.990-29.482由表7可知，两个Fisher判别函数分别为表8 结构矩阵结构矩阵函数120岁组死亡概率.008*-.00180岁组死亡概率.288-.388*55岁组死亡概率.149-.199*10岁组死亡概率.098.106*1岁组死亡概率.007.104*平均预期寿命-.036.091*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表9 组重心处的函数组质心处的函数group函数12第一类-2.5941.013第二类9.194-.257第三类-6.600-.756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分类函数系数group第一类第二类第三类0岁组死亡概率-143.851-164.691-134.8621岁组死亡概率153.137171.185144.46210岁组死亡概率-90.088-99.976-85.94555岁组死亡概率53.00962.52549.97280岁组死亡概率11.00812.09410.520平均预期寿命189.261207.003181.714(常量)-5317.234-6202.158-4982.880通过表10写出Bayes判别函数分别为：第一类：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