《判别分析实验报告》由会员分享，可在线阅读，更多相关《判别分析实验报告（6页珍藏版）》请在金锄头文库上搜索。
1、石家庄铁道大学实验报告课程名称：实用多元统计分析任课教师：李玉红实验日期：2012-4-17班 级：经0910姓 名：王爽学 号：实验项目名称：判别分析一、实验目的及要求1. 通过上机操作使学生掌握判别分析方法在SPSS软件中的实现，了解判别方法的分 类、适用条件和结果验证方法；2. 要求学生熟悉判别分析的用途和操作，重点掌握对软件处理结果的解释（区域图、 未标准化典型判别函数、标准化典型判别函数等）和如何使用分析结果对新样品进行分 类；3. 要求学生阅读一定数量的文献资料，掌握判别分析方法在写作中的应用。二实验环境1 系统软件：WindowsXP2 工具：SPSS16.0三、实验内容为研究各
2、种不同的因素对旅游项目参与的作用，某研究人员根据家庭年收入、对旅游 的喜好、对家庭旅游的态度、家庭规模这四种指标建立数据文件“旅游”，其中变量X1、 x2 , x3 , x4分别表示家庭年收入、对旅游的喜好、对家庭旅游的态度、家庭规模；变量 result=1表示参与旅游；result=0表示不参与旅游。试作判别分析，建立判别函数以便在旅 游项目中确定参与人员的范围并制定合适的旅游计划。1、使用菜单中File-Open命令，然后选中要分析的数据文件“旅游”。2、选择 AnalyzefClassifyDiscriminant，打开主对话框，将 group 移至U“Grouping Variable
3、”框中，激活Define Range,点击此按钮，进入定义范窗口，分别在“Minimum，和 “Maximum” 后面的矩形框中键入0与1 ,然后按“Continue”按钮返回主对话框。3、 在主对话框左边的矩形框中选择判别变量“家庭年收入”、“对旅游的喜好”、 “对家庭旅游的态度”、“家庭规模”，并用下面一个箭头按钮将它们移到n Independents ”矩形框中。默认系统选择判别分析的方法“ Enter independent together”。4、在主对话框中点击Statistics选项，进入统计量对话框。在Descriptives框中，选择 “Means”、“Univariate
4、ANOVAs”、“Boxs M” ；在 Function Coefficients 框中，选择判另0 函数系数Fishers、Unstanhindardized ；选中Matrices框中各项。然后按“Continue”按钮返回 主对话框。5、在主对话框中点击Classify选项，进入分类设置对话框。除系统默认项外，在 Display 框中选中 Casewise results、Leave-one-out classification 和 Summary table 项，在 Plots 框中，选中Combined-groups、Territorial map ；然后按“Continue”按钮返
5、回主对话框。6、在主对话框中点击Save选项，进入存储结果设置对话框。选择“Predicted groupmembership”、“Discriminant scores”、n Probabilities of group membership”。7、返回主对话框后按“OK”。五、实验结果与分析（一）应用条件分析表各组统计描述Group StatisticsGroup Statistics分组MeanStd. DeviationValid N (listwise)UnweightedWeighted0家庭年收入42.03337.694961515.000对旅游的喜好4.40001.992841
6、515.000对家庭旅游的态度4.06672.051711515.000家庭规模2.8000.941121515.0001家庭年收入60.49339.831981515.000对旅游的喜好5.33331.914851515.000对家庭旅游的态度5.80001.820521515.000家庭规模4.33331.234431515.000Total家庭年收入51.263312.782143030.000对旅游的喜好4.86671.978043030.000对家庭旅游的态度4.93332.099813030.000家庭规模3.56671.330893030.000分析：可以看出，各组的均值差异较大
7、，且各组的方差也有所差异。表2 各组均值相等检验Tests of Equality of Group MeansTests of Equality of Group MeansWilks LambdaFdf1df2Sig.家庭年收入.46132.792128.000对旅游的喜好.9421.711128.202对家庭旅游的态度.8245.990128.021家庭规模.65714.636128.001分析：这张表是预测变量在各组间均值是否相等的假设检验。包含Wilks lambda，F统计量 和它的自由度和显著性水平。Wilks lambda是组内平方和与总平方和的比，值的范围在0至肛之间。值越小
8、表示 组间有很大的差异。值接近1表示没有组间差异。F统计量是组间均方与组内均方的比。有两个自由度，分子为dfl分母为df2。分子和 分母自由度用来得到观测显著性水平。如果显著性水平值很小（比如说小于0.10 ）表示组 间差异显著。如果显著性水平较大（比如说大于0.10 ）表示组间差异不显著。本例中X1的sig值为0.000，表明xl在各组间的差异显著，x2的sig值为0.202，说 明x2在各组间差异不显著，x3的sig值为0.021，表明x3在各组间的差异显著，x4的sig 值为0.001,表明x4在各组间的差异显著。表3Boxs协方差矩阵检验Test ResultsTest Results
9、Boxs M11.363FApprox.959dfl10df23.748E3sg.478Tests null hypothesis of equal population covariancematrices.分析:原假设为：H :工=工二=工012gBoxs M检验的sig=0.478的概率值大于0.05，则各组组内协方差阵相同，原假设成 立。这是进行判别分析的前提。表4 特征根EigenvaluesEigenvaluesFun ctionEiqenvalue% of VarianceCumulative %CanonicalCorrelation11.685a100.0100.0.792a
10、. First 1 canonical discriminant functions were used in the analysis.分析:表4列出了 1个判别函数。由于组别数为4，因此判别函数的个数为1个。判别函数 的特征值（Eigenvalue ）越大，表明该函数越具有区别力。Canonical Correlation为典型相关 系数，表示判别函数与组别间的关联程度。由此可知第一判别函数可以解释的方差为 100%，第四栏为累计百分比，由第三栏自上往下累加而成。第五栏为典型相关系数 0.792，表明该函数的线性相关程度较高（相关系数越接近1，表明该判别函数的线性程度表5检验判别函数的显著
11、性水平Wilks LambdaWilks LambdaTest of Function(s)Wilks LambdaChi-squaredfSig.1.37325.6754.000分析:第一栏test of functions表示每步中判别函数被移去后的函数值。原假设为各组中所有判别函数的总体均值相等。如果显著，表示第二个判别函数也显著。本例中该判别函数对不同的两组有贡献。因 为它的概率值远小于0.05。表 6 标准典型判别函数系数Standardized Canonical Discriminant Function CoefficientsStandarzedCanonicaLDiscri
12、minantFunctionCQefficientsFunction1X1.764X2.034X3.260X4.474分析：标准化判别函数系数可以看出预测变量在组成判别函数时的相对贡献，如本例该判别函数的xl，x2，x3,x4项都很重要，但相比下xl相对比x4重要,x3比x2重要，且标准典 型判别函数为：y=0.746*x1+0.034*x2+0.260*x3+0.474*x4表7 典型判别 函数系数Canonical Discriminant Function CoefficientsCanonical Discriminant Function CoefficientsFunction1X1.086X2.017X3.134X4.432(Constant)-6.721Unstandardized coefficients分析:
