判别分析的SPSS实现数据分析精选ppt课件

《判别分析的SPSS实现数据分析精选ppt课件》由会员分享，可在线阅读，更多相关《判别分析的SPSS实现数据分析精选ppt课件（49页珍藏版）》请在金锄头文库上搜索。

1、判判别分析的分析的SPSSSPSS实现SPSS提供的建立判别函数的方法有：提供的建立判别函数的方法有：1.全模型法：把一切的变量放入判别函数中全模型法：把一切的变量放入判别函数中2.逐渐判别法逐渐判别法判别分析的步骤判别分析的步骤对于分为对于分为m类的研讨对象，建立类的研讨对象，建立m个线性判别函数，对个线性判别函数，对测试的样本代入判别函数，得出判别得分，从而确定该测试的样本代入判别函数，得出判别得分，从而确定该样本属于哪一类。样本属于哪一类。Discriminant Discriminant对话框 Grouping Variable：知的观丈量所属类别的变量分类变量Independents

2、：观丈量，即参与判别分析的变量。Use Stepwise method ：当不以为一切自变量都能对观丈量特性提供丰富的信息时，运用该选择项。因此根据对判别奉献的大小进展选择。Enter independent together ：当一切自变量都能对观丈量特性提供丰富的信息时，运用该选择项。选择该项将不加选择地运用一切自变量进展判别分析，建立全模型。不需求进一步进展选择。 选择分类变量及其范围选择分类变量及其范围 在主对话框中左面的矩形框中选择阐明知的观丈量所属类别的变量一定是离散变量，按上面一个箭头按钮，使该变量名移到箭头按钮右面，“Grouping Variable下面的矩形框此时矩形框下面

3、的“Define range按钮加亮，按该按钮，屏幕显示一个小对话框，供指定该分类变量的数值范围。定义分类变量范围的小对话框如以下图 所示。 在Minimum：后面的矩形框中输入该分类变量的最小值；在Muximurn：后面的矩形框中输入该分类变量的最大值。 分类变量范围对话框 2 2指定判指定判别分析的自分析的自变量量 在在主主对话框框的的左左面面的的变量量表表中中选择阐明明观丈丈量量特特征征的的变量量，按按下下面面一一个个箭箭头按按钮，把把选中中的的变量量移移到到“Independents:下下面面的的矩矩形框中，作形框中，作为参与判参与判别分析的分析的变量。量。 Indepents对话框数

4、据变量数据变量输入框输入框数据判别分析数据判别分析 完完成成前前面面四四步步骤骤的的操操作作即即可可运运用用各各种种系系统统默默许许值值对对任任务务数数据据集集的的数数据据进进展展判判别别分分析析了了。可可以以运运用用的的方法有两种：方法有两种： (1)直直接接运运转转：在在主主对对话话框框中中按按用用鼠鼠标标单单击击Ok按钮按钮 (2)生生成成SPSS命命令令程程序序后后再再运运转转：在在主主对对话话框框中中按按Paste按按钮钮，激激活活Syntax窗窗，在在该该窗窗中中按按Run按钮执行该语句窗中的程序。按钮执行该语句窗中的程序。 无无论论哪哪种种方方法法均均可可在在output窗窗中中

5、显显示示出出分分析析结果。结果。 完完全全运运用用系系统统默默许许值值进进展展判判别别分分析析，其其结结果果有有时时不不能能令令人人称称心心，因因此此根根据据以以下下步步骤骤指指定定选选择择项项是是很有必要的。很有必要的。 选择观丈量丈量 假假设希希望望运运用用一一部部分分观丈丈量量进展展判判别函函数数的的推推导，而而且且有有一一个个变量量的的某某个个值可可以以作作为某某些些观丈丈量量的的标识，那那么么用用Select功功能能进展展选择。操操作作方方法法是是 ， 单 击 “Select 按按 钮 展展 开开 小小 选 择 框框 ， 在在“Vaiable：后后面面矩矩形形框框中中输入入该变量量的

6、的变量量名名，在在“Value：后后面面输入入标识参参与与分分析析的的观丈丈量量所所具具有有的的该变量量值。普普通通均均运运用用数数据据文文件件中中的的一一切切合法合法观丈量。此步丈量。此步骤可以省略。可以省略。 Select功能选择选择分析方法选择分析方法 在主对话框中自变量矩形框下面有两个选择在主对话框中自变量矩形框下面有两个选择项，被选中的方法前面的圆圈中加有黑点。这两项，被选中的方法前面的圆圈中加有黑点。这两个选择项是选择判别分析方法的。个选择项是选择判别分析方法的。1 1Enter independent together Enter independent together 当他以

7、为一切自变量都能对观丈量特性提当他以为一切自变量都能对观丈量特性提供丰富的信息时，运用该选择项。选择该项将不供丰富的信息时，运用该选择项。选择该项将不加选择地运用一切自变量进展判别分析，建立全加选择地运用一切自变量进展判别分析，建立全模型。不需求进一步进展选择。模型。不需求进一步进展选择。 2Use Stepwise method 当他不以为一切自变量都能对观丈量特性提供丰富的信息时，运用该选择项。因此根据对判别奉献的大小进展选择。当鼠标单击该项时，Method按钮加亮。可以进一步判别分析方法。 单击“Method按钮，展开“Stepwise method对话框子对话框如以下图所示。 Step

8、wise method对话框 选择进展逐渐判别分析的方法 选择判别分析方法在Method组的矩形框中进展。可供选择的判别分析方法有： Wilkslambda 使Wilk的统计量最小化法。Unexplained variance 使各类不可解释的方差和最小化法。Mahalanobisdistance 使 最 近 两 类 间 的 Mahalanobis间隔最大化法。 Smallest F ratio。使任何两类间的最小的F值最大化法。 Rao V 使 RaoV统计量最大化。可以对一个要参与到模型中的变量的V值指定一个最小增量。选择此种方法后，应该在该项下面的V to dntce后的矩形框中输这个增

9、量的指定值。 选择逐渐判别停顿的判据 选择逐渐判别停顿的判据在criteria组的矩形框中进展。可供选择的判据有： Use F value：运用F值，是系统默许的判据，默许值是：Entry：3.84；removal：2.71。即当被参与的变量F值=3.84时才把该变量参与到模型中，否那么变量不能进入模型；或者，当要从模型中移出的变量F值=2.71时，该变量才被移出模型，否那么模型中的变量不会被移出。应该使Entry值参与变量的F值removal值移出变量的F值 Use probability of F：运用F值的概率。参与变量的F值概率的默许值是0.055；移出变量的q值概率是0.1010。r

10、emoval值移出变量的正值概率Entry值参与变量的F值概率。 显示内容的选择 对于逐渐选择变量的过程和最后结果的显示可以经过Method对话框最下面的Display矩形框中的三项进展选择： Resul at each step要求在逐渐选择变量过程中的每一步之后显示每个变量的统计量。 Summary仅要求显示参与或移出模型的变量的综计量。即选择变量的小结。 F for Pairwise distances要求显示两两类之间的两两 F值矩阵。 当以上三项都给予了确定的选择后，单击continue按钮，前往主对话框。 指定指定输出的出的统计量量单击“statistics按按钮，展展开开相相应的

11、的子子对话框框，如以下如以下图所示。所示。可以可以选择的的输出出统计量分量分为以下三以下三类：1描画描画统计量量 在在Descriptives组的的矩矩形形框框中中可可以以选择对原原始数据的描画始数据的描画统计量的量的输出：出： Means选择此此项可可以以输出出各各类中中各各自自变量量的的均均值MEAN、规范范差差Std Dev和和各各自自变量量总样本的均本的均值和和规范差。范差。 Univariate ANOVA对各各类中中同同一一自自变量量均均值都都相相等等的的假假设进展展检验，输出出单变量量的的方方差差分分析析结果。果。 Boxs M对每每类的的协方方差差矩矩阵是是从从同同一一总体中采

12、体中采样得来的假得来的假设进展展检验，输出出检验结果。果。 Statistics2判别函数系数 在Fuction coefficients组的矩形框中选择判别函数系数的输出方式： Fishers可以直接用于对新样本进展判别分类的费雪系数。 Unstandardized未经规范化处置的判别系数。可用于计算判别分数。 3自自变量的系数矩量的系数矩阵 在在Matrices组的矩形框中的矩形框中选择要求要求给出的矩出的矩阵： within-groups correlation matrix类内相关矩内相关矩阵 within-groups covariance matrix类内内协方差矩方差矩阵 Sep

13、arate-groups covariance matrices对每每类输出出一一个个类间协方差矩方差矩阵 Total covariance matrix总样本的本的协方差矩方差矩阵 以以上上三三项都都给予予了了确确定定的的选择后后，单击continue按按钮，前往主前往主对话框。框。 指定分指定分类参数和判参数和判别结果果 在主在主对话框中框中单击“classify“classify按按钮，展开相展开相应的子的子对话框，如以下框，如以下图所示。所示。 1 1在在Prior ProbabilitiesPrior Probabilities组的矩形框中的矩形框中选择先先验概率，两者概率，两者选其

14、一。其一。 All groups equal All groups equal各各类先先验概率概率相等。假相等。假设分分为m m类，那么各，那么各类先先验概率均概率均为1 1m m。 computer from group sizes computer from group sizes由各由各类的的样本量本量计算决算决议在各在各类的先的先验概率与其概率与其样本本比。比。 Classifiction对话框2选择分类运用的协方差矩阵 在Use covariance Matrix组的矩形框中选择分析运用的协方差矩阵。两者选其一。 Within-groups指定运用组内协方差矩阵。 Seperate-

15、groups指定运用组间协方差矩阵。 3选择要求要求输出的出的统计图 在在Plots组的矩形框中的矩形框中选择，可以并列，可以并列选择。 combined-groups 一一切切类放放在在一一张散散点点图中中。便便于于比比较。此。此选择项生成一生成一张散点散点图。 Seperate-groups对每每一一类生生成成一一张散散点点图。共共分分为几几类就生成几就生成几张散点散点图。 Territoreal map 假假设对一一个个观丈丈量量只只能能计算算出出一一个个判判别分分数数，那那么么利利用用观丈丈量量的的判判别做做作作图，假假设有有两两个个以以上上判判别分分数数，那那么么用用头两两个个判判别

16、分分数数作作图。此此种种统计图力力图把把一一张图的的平平面面划划分分出出与与类数数一一样的的区区域域。每每一一类占占据据一个区。一个区。 4选择生生成成到到输出出窗窗中中的的分分类结果果 在在 Displsy组的的矩矩形框中形框中选择输出出项： Results for each case要要求求输出出每每个个观丈丈量量的的分分类结果。果。 Summary table要求要求输出分出分类的小的小结，给出出错分率。分率。5缺失值处置方式缺失值处置方式 在在classification子子对对话话框框的的最最下下面面有有一一个个选选择择项项，用用以以选择对缺失值的处置方法。选择对缺失值的处置方法。

17、Replace missing value with mean用用该该变变量量的的均均值值替替代代缺缺失失值值。该该选选择择项项前前面面的的小小矩矩形形框框中中出出现现x时时表表示示选选定定所所示示的的处处置置方方法法。 以以上上五五项项都都给给予予了了确确定定的的选选择择后，单击后，单击continue按钮，前往主对话框。按钮，前往主对话框。 指定生成并保管在数据文件中的新指定生成并保管在数据文件中的新变量量 Descriminant过程程可可以以在在数数据据文文件件中中建建立立新新变量量，经过Save New Vaiables子子对话框框进展展选择。 在在主主对话框框中中单击“Save按按

18、钮，展展开开“Save New Vaiables子子对话框框。如如以以下下图所示。所示。 Save对话框 在任务数据文件中建立以下三个新变量，可以选择。 Predicted group membership要求建立一个新变量，阐明预测的类成员。指定此项后，每行一次Descriminant过程，就建立一个阐明运用判别函数预测的各观丈量属于哪一类的新变量。第一次运转建立新变量的变量名为dis-1,假设在任务数据文件中不把前一次建立的新变删除，第n次运转Descriminant过程建立的新变量默许的变量名为dis-n。 Descriminant score要求建立阐明判别分数的新变量。每次运转 De

19、scriminant过程都给出组阐明判别分数的新变量。建立几个典那么判别函数就有几个判别分数变量。参与分析的观丈量共分为m类，那么建立ml个典那么判别函数，指定该选择项，就可以生成ml个阐明判别数的新变量。例如，原始数据观丈量共分为3类，建立两个典那么判别函数。第一次运转判别过程建立的新变量名为dis1_1,dis2_1，第二次运转判别过程建立的新变量名为dis1_2,dis2_2依此类推。分别表示代入第一和第二个判别函数所得到的判别分数。 Probabilities of group membership要求建立新变量阐明观丈量属于某一类的概率。有m类，对一个观丈量就会给出m个概率值，因此建

20、立m个新变量。例如，原始和预测分类数是：指定该选择项，在第一次运转判别过程后，给出的阐明分类概率的新变量名为dis1_2,dis2_2，dis3_2. 选择了新变量类型后，按continue运转带有选择项的判别分析过程运转带有选择项的判别分析过程 运转运转Descriminant过程有两种方法：过程有两种方法： 1在在主主对对话话框框中中按按Ok按按钮钮，直直接接运运转转Descriminant过程。过程。 2在在主主对对话话框框中中按按Paste按按钮钮，将将以以上上操操作作结结果果转转换换成成Descriminant过过程程的的命命令令程程序序，显显示在示在Syntax窗中。窗中。 在在S

21、yntax窗窗中中可可以以按按照照Descriminant命命令令语语句句格格式式进进一一步步修修正正粘粘贴贴那那么么窗窗中中的的各各子子命命令令语语句句。然然后后按按Run按按钮钮，将将窗窗中中的的程程序序语语句句提提交交给给系系统执行。统执行。 逐渐判别分析逐渐判别分析 1逐渐判别分析方法与判据的选择逐渐判别分析方法与判据的选择 逐逐渐渐判判别别在在操操作作步步骤骤方方面面只只需需在在选选择择方方法法一一点点 上上 与与 前前 面面 所所 表表 达达 的的 方方 法法 有有 所所 区区 别别 ， 即即 在在Discriminant过过 程程 主主 对对 话话 框框 中中 应应 该该 选选

22、择择 Use stepwise method。当当单单击击该该选选择择项项时时，其其前前面面的的圆圆圈圈中中出出现现黑黑点点，同同时时Method按按钮钮加加亮亮表表示示可可以以进一步选择分析方法或判据了。进一步选择分析方法或判据了。 单击Method按钮，展开stepwise method对话框。在对话框中显示出系统默许的逐渐区别方法是Milks Lambra。其判据是：进入模型的F值为3.84；从模型中剔除变量的F值为2.71。不熟习统计分析的用户可以不再进一步选择，直接运用系统默许的分析方法和判据. 逐逐渐判判别方法的方法的选择Milks Lambra使使Milks统计量量最最小小。是是

23、系系统默默许的的方方法。法。Unexplained variance使各使各类不可解不可解释的方差和最小。的方差和最小。Mahalanobis distance使使最最近近的的两两组间的的马哈哈拉拉诺比比斯斯间隔最小。隔最小。smallest F ratio。使任何两。使任何两组间的最小的的最小的 F值最大。最大。 Raos V使使 Rao的的 V统计量量最最大大。在在选择并并指指定定运运用用此此种种方方法法后后，该项下下面面的的文文字字加加亮亮，可可以以在在V to enter毫毫米米的的矩矩形形框框中中输入入一一个个变量量进入入模模型型的的 V值的的最最小小增增量。量。 关于判据的关于判据

24、的选择方法方法 可可以以从从两两者者指指定定判判据据的的方方法法中中选择一一种种，并并在在每每种种方方法的两个矩形框中法的两个矩形框中输入判据的入判据的详细数数值。 Use F value用用F值作作判判据据。在在该项下下面面的的两两个个矩矩形形框框中中输人：人： Entry：后后面面的的矩矩形形框框中中输入入进入入模模型型的的F值。只只需需变量的量的F值大于大于这个指定个指定值时，变量量进入模型。入模型。 Remove：在在后后面面的的矩矩形形框框中中输入入把把变量量移移出出模模型型的的F值。当。当变量的量的F值小于小于该值时，变量从模型中剔除。量从模型中剔除。 应该留留意意，Entry值必

25、必需需大大于于Remove值，否否那那么么，模模型中将不会有型中将不会有变量。量。 显示内容的示内容的选择 在在Stepwise MethodStepwise Method对话框的最下面一框的最下面一行可以行可以选择要求要求显示在示在输出窗中的内容。出窗中的内容。对于逐于逐测分析可以分析可以选择以下以下输出：出： Results at each step Results at each step给出每一步出每一步选择变量任量任务完成后各完成后各变量的量的统计量。量。给出哪些出哪些统计量量要看运用什么判据。运用要看运用什么判据。运用F F值作判据那么作判据那么给出各出各变量的量的F F值；运用；

26、运用F F值的概率作判据那么的概率作判据那么给出量的出量的F F值的概率。的概率。 Summery Summery仅对被参与或移出模型的被参与或移出模型的变量量给出出统计量。量。 F for pairwise distances F for pairwise distances显示示 F F比比值矩矩阵。对每两每两类显示一示一对F F比比值。 (2)逐渐判别分析操作步骤 我们采用Milks Lambra方法进展逐渐判别分析。运用F值作为判据统计量。当F=30时变量进入模型；当F=5时，变量从模型中移出。 操作步骤如下：操作步骤如下： 第第 一一 、 从从 主主 菜菜 单单 的的 Statist

27、ics， 经经classify到到Discriminant Analysis逐逐一一选选择择 各各 菜菜 单单 的的 菜菜 单单 直直 到到 展展 开开 Discriminant Analysis对话框。对话框。 第第 二二 、 Independents： slen、 swidPlen、Pwid；Group variables：spno1，3选选择择变变量量slen、swidPlen、Pwid作作为为判判别别分分析析的的自自变变量；量；spno作为分类变量。作为分类变量。 第三、按Method按钮，展开相应的选择逐渐判别分析方法和判据的对话框。 在Method方法矩形框中选择Milks Lam

28、bra； 在 criteria判据矩形框中选择Use F value, Entry=30、Remove=5； 在Display显示矩形框中选择在输出窗中显示的内容： Results at each step 要求显示每一步选择变量的结果。 Summary要求显示逐渐选择变量子集的小结。 F for pairwise distance 要求显示每两类之间的成对的F矩阵。 第四、按Statistics按钮展开选择统计量的对话框。 在Descriptives矩形框中选择Mean 在Function coefficients矩形框中选择 Fishers要求给出线性判别函数系数 Unstandardiz

29、ed要求给出未加权的典那么判别函数典那么变量的系数。 第五、按classify按钮展开classification对话框。 在 Prior Probabilities矩形框中选择All groups equal各组先验概率相等。 在 Use covariance Matrix矩形框中选择Withingroups运用组内协方差矩阵。 在 Display矩形框中选择“Summary table要求显示聚类回代结果的小结表。 第六、按save按钮，展开保管新变量的对话框。选择： Predicted group membership其值为预测分类结果的新变量。 Discriminant scores其值为判别分数的新变量。 Probabilities of group membership变量值为各观丈量分派到各类中的概率。 以上(3)(6)各对话框中的选择完成后，均按continue按钮前往主对话框。 第七、在主对话框中按Paste按钮在为Symtax窗中得到命令语句组成的程序。 第八、在语句窗中按一Run按钮，在输出窗中得到要求的输出结果。 判别分析的正确运用实际上，类间分得越开，判别效果越好，类间间隔越近，判别效果就越差。不同的判别方法间是个参照，大多情况下，效果近似。关键是目的能否具有判别价值。Thank you very much!