《判別分析操作》PPT課件.ppt

例1：通過(guò)城市人口所占的比例、有文化居民的比例、人口增長(zhǎng)率、人均GDP等四個(gè)變量來(lái)判別某國(guó)所屬的類(lèi)型。我們將國(guó)家分為三種類(lèi)型，分別為OECD國(guó)家、亞太地區(qū)的國(guó)家和非洲地區(qū)的國(guó)家。來(lái)自三個(gè)總體的訓(xùn)練樣本數(shù)分別為16、12、16，共44個(gè)樣本。,第四章判別分析(操作部分）,選擇AnalyzeClassifyDiscriminant進(jìn)入判別分析對(duì)話(huà)框，如下：,GroupingVariable框用于選擇已知的類(lèi)別變量（離散型的）。DefineRange按鈕具體確定變量的取值范圍。Minimum欄輸入該分類(lèi)變量的最小值。Maximum欄輸入該分類(lèi)變量的最大值。,Independents用于指定判別分析的自變量。即建立判別函數(shù)所需的變量。Enterindependentstogether所有自變量同時(shí)進(jìn)入判別函數(shù)，是系統(tǒng)默認(rèn)值。當(dāng)認(rèn)為所有自變量都能對(duì)樣本觀(guān)測(cè)值的特性提供豐富的信息，且彼此獨(dú)立時(shí)使用該選項(xiàng)。Usestepwisemethod使用逐步判別法，按照所指定的引入或刪除變量方法依次引入或刪除變量。,SelectionVariable框用于定義樣本選擇條件。選中一個(gè)變量引入框中，然后使用右側(cè)的Value按鈕定義一個(gè)取值，這樣全部樣本中只有該變量等于所指定值的樣本才被納入分析中。,Statistics對(duì)話(huà)框用于給出一些統(tǒng)計(jì)量。,DescriptivesMeans輸出各類(lèi)中各分類(lèi)變量的均值、標(biāo)準(zhǔn)差和各分類(lèi)變量總樣本的均值和標(biāo)準(zhǔn)差。UnivariableANOVA輸出各變量的方差分析結(jié)果，即進(jìn)行假設(shè)檢驗(yàn)，原假設(shè)是該變量在各類(lèi)的均值相等。通過(guò)此項(xiàng)判斷各個(gè)變量在不同組之間是否有差別，建立判別函數(shù)時(shí)選用該變量是否有意義。Box，M對(duì)各類(lèi)的協(xié)方差矩陣相等的假設(shè)進(jìn)行檢驗(yàn)，一般不太關(guān)心這個(gè)結(jié)果。,Functioncoefficients用于選擇判別函數(shù)系數(shù)的輸出形式:Fisher，s給出Bayes判別準(zhǔn)則的判別函數(shù)。Unstandardized給出Fisher判別法建立判別函數(shù)的未標(biāo)準(zhǔn)化系數(shù)。MatriceWithin-groupscovariancematrix計(jì)算合并類(lèi)內(nèi)協(xié)方差矩陣，是將各組協(xié)方差矩陣平均后計(jì)算的，區(qū)別于總協(xié)方差矩陣。Within-groupscorrelatonmatrix是根據(jù)上述協(xié)方差矩陣計(jì)算的相關(guān)矩陣。separate-groupscovariancematrix對(duì)每個(gè)類(lèi)輸出一個(gè)協(xié)方差矩陣totalcovariancematrix計(jì)算并顯示總樣本的協(xié)方差矩陣。,Classify指定分類(lèi)參數(shù)和判別結(jié)果。,PriorProbabilities選擇先驗(yàn)概率，兩者選擇其一：Allgroupsequal選項(xiàng)各類(lèi)先驗(yàn)概率相等。Computefromgroupssizes選項(xiàng)由各類(lèi)的樣本量決定，各類(lèi)的先驗(yàn)概率與其樣本量成正比。UseCovarianceMatrix選擇分類(lèi)使用的協(xié)方差矩陣。Within-groups選項(xiàng)指定使用合并組內(nèi)協(xié)方差矩陣進(jìn)行分析。Separate-groups選項(xiàng)指定使用各組協(xié)方差矩陣進(jìn)行分析。此處一般不更改，使用默認(rèn)值。,Display選擇生成到輸出窗口的分類(lèi)結(jié)果。Casewiseresults復(fù)選框?qū)γ總€(gè)觀(guān)測(cè)變量輸出實(shí)際類(lèi)、預(yù)測(cè)類(lèi)（根據(jù)判別函數(shù)求得的分類(lèi)結(jié)果）和后驗(yàn)概率等。如果選擇此項(xiàng)，下邊有一個(gè)“l(fā)imitcasestofirst”按設(shè)置的記錄數(shù)輸出前n個(gè)樣本的判別結(jié)果。summarytable復(fù)選框輸出分類(lèi)小結(jié)。給出正確分類(lèi)的樣本數(shù)、錯(cuò)分的樣本數(shù)和錯(cuò)分率。Leave-one-outclassification即交互驗(yàn)證法（Cross-Validition）。在建立判別函數(shù)時(shí)去掉該樣本點(diǎn)，然后利用判別函數(shù)判別該樣本點(diǎn)的分類(lèi)。,Plots用于選擇可輸出的判別圖Combined-groups輸出一張包括各類(lèi)的散點(diǎn)圖。該散點(diǎn)圖是根據(jù)前兩個(gè)判別函數(shù)生成的，如果只有一個(gè)判別函數(shù)則生成直方圖。Separate-groups根據(jù)前兩個(gè)判別函數(shù)對(duì)每一類(lèi)生成一張散點(diǎn)圖，共分成幾類(lèi)就生成幾張散點(diǎn)圖。如果只有一個(gè)判別函數(shù)則生成直方圖。Territorialmap畫(huà)出領(lǐng)域圖（分類(lèi)區(qū)域圖）。整個(gè)平面被分成幾大塊，每一塊代表一個(gè)類(lèi)別，之間有清楚的界限分割。其中星號(hào)代表各個(gè)類(lèi)的中心，用此圖可以直接對(duì)未知樣本進(jìn)行分類(lèi)。,Method,Method用于選擇的逐步判別分析時(shí)所采用的方法。Wilk-lambda每步使得Wilks統(tǒng)計(jì)量最小的變量進(jìn)入判別方程。Unexplainedvariance:每步使得各類(lèi)不可解釋的方差（隨機(jī)誤差）之和最小的變量進(jìn)入判別方程。SmallestFratio每步使得兩類(lèi)之間最小的F值最大的變量進(jìn)入判別方程。Rao，V統(tǒng)計(jì)量產(chǎn)生最大增量的變量進(jìn)入判別方程。,Criteria進(jìn)入或刪除變量的臨界值設(shè)置，包含兩種方式：UseFValue使用F值，是系統(tǒng)默認(rèn)的。當(dāng)加入一個(gè)變量或剔除一個(gè)變量后，對(duì)判別函數(shù)中的變量進(jìn)行方差分析。當(dāng)F值大于指定的Entry值時(shí)，該變量保留，默認(rèn)的為3.84。當(dāng)F值小于指定的Removal值時(shí)，該變量從判別函數(shù)中刪除，默認(rèn)的Removal值為2.71。如果是用戶(hù)自己設(shè)定應(yīng)注意Entry值Removal值，否則產(chǎn)生函數(shù)中沒(méi)有變量的錯(cuò)誤。UseprobabilityofF使用P值。加入變量默認(rèn)的P值是0.05（5%），剔除變量的P值是0.1（10%），應(yīng)注意Removal值Entry值。,Display選擇要顯示的統(tǒng)計(jì)量Summaryofsteps要求在逐步選擇變量過(guò)程中的每一步之后顯示每個(gè)變量的統(tǒng)計(jì)量。Fforpairwisedistances要求顯示兩類(lèi)之間的F值矩陣。,下表為樣本缺失值報(bào)告：,下表給出的是原始數(shù)據(jù)描述性統(tǒng)計(jì)量。這是Statistics中要求輸出的結(jié)果。,上表為單變量方差分析的結(jié)果。檢驗(yàn)各類(lèi)中同一變量均值是否相等，原假設(shè)是均值相等，由上表可以看出拒絕原假設(shè)，說(shuō)明各類(lèi)在各個(gè)變量上的均值不相等，因此才有分類(lèi)的意義。,下表給出的是合并類(lèi)內(nèi)協(xié)方差矩陣和相關(guān)矩陣，陣中各元素是各類(lèi)協(xié)方差矩陣和相關(guān)矩陣中對(duì)應(yīng)元素的均值。,下表給出了各類(lèi)的協(xié)方差矩陣和總的協(xié)方差矩陣在：,下表給出了逐步判別法中變量的進(jìn)入和剔除情況：,下表給出的是變量的剔除過(guò)程：,上表給出了判別函數(shù)所對(duì)應(yīng)的特征值、方差貢獻(xiàn)及典型相關(guān)系數(shù)。特征根的個(gè)數(shù)為變量數(shù)和類(lèi)別數(shù)減1中的較小值。,上表為典型判別函數(shù)的有效性，可以看出判別函數(shù)的判別能力是顯著的。,給出了標(biāo)準(zhǔn)化以后典型判別函數(shù)的系數(shù)。兩個(gè)標(biāo)準(zhǔn)化的判別函數(shù)為：,上表給出了結(jié)構(gòu)矩陣，即原始變量與標(biāo)準(zhǔn)化后的典型判別函數(shù)值之間的相關(guān)關(guān)系。如果一些分類(lèi)變量與某個(gè)判別函數(shù)之間有很大的結(jié)構(gòu)系數(shù)，就可以用這些區(qū)別變量的名字來(lái)命名此判別函數(shù)。,上表給出了未標(biāo)準(zhǔn)化的典型判別函數(shù)的系數(shù)。,給出了各類(lèi)均值（重心）未標(biāo)準(zhǔn)化的典型判別函數(shù)的分值。,上表給出的是各個(gè)類(lèi)先驗(yàn)概率的情況。,給出了貝葉斯判別的線(xiàn)性判別函數(shù)，有幾個(gè)類(lèi)就有幾個(gè)函數(shù)，將樣本帶入函數(shù)計(jì)算其在各個(gè)類(lèi)上的得分，比較不同類(lèi)的判別分值，哪個(gè)大就判給哪個(gè)類(lèi)。,上表給出的是樣本判別分類(lèi)統(tǒng)計(jì)表。上半部分給出了各個(gè)樣本的實(shí)際類(lèi)別，最大可能所屬的預(yù)測(cè)類(lèi)別和次最大可能所屬的預(yù)測(cè)類(lèi)別，Discriminantscores是兩個(gè)典型判別方程的得分。下半部分是交互驗(yàn)證建立判別方程的結(jié)果。,上圖是第一組（OECD國(guó)家）判別函數(shù)得分的散點(diǎn)圖。,上表給出的是判別分類(lèi)結(jié)果的統(tǒng)計(jì)評(píng)價(jià)，從表中可以看出三組的錯(cuò)判率分別為6.2%,41.7%和12.5%。,將菲律賓的數(shù)據(jù)帶入兩個(gè)判別函數(shù)得到兩個(gè)值為：（1.64844，-2.23792），落入第二個(gè)區(qū)域，因此判為是亞太國(guó)家。如果帶到貝葉斯線(xiàn)性判別函數(shù)里邊得到三個(gè)組的的分值分別為：2.14972，4.59068，4.2374。應(yīng)該判給得分最高的，所以也應(yīng)判給第二組。,例2：對(duì)全國(guó)30個(gè)省市自治區(qū)1994年影響各地區(qū)經(jīng)濟(jì)增長(zhǎng)差異的制度變量：x1經(jīng)濟(jì)增長(zhǎng)率（%）；x2非國(guó)有化水平（%）；x3開(kāi)放度（%）；x4市場(chǎng)化程度（%）。作判別分析。訓(xùn)練樣本來(lái)自?xún)蓚€(gè)組，根據(jù)所給樣本建立判別函數(shù)，判別江蘇、安徽和陜西所屬的類(lèi)別。,標(biāo)準(zhǔn)化的典型判別函數(shù)系數(shù)：,給出了未標(biāo)準(zhǔn)化的典型判別函數(shù)的系數(shù)，典型判別函數(shù)為：,兩類(lèi)重心判別函數(shù)得分值：,將三個(gè)省的四個(gè)變量的數(shù)據(jù)帶入線(xiàn)性判別函數(shù)，計(jì)算得：江蘇：安徽：陜西：,因此將江蘇、安徽判歸第一類(lèi)，陜西判歸第二類(lèi)。,將三個(gè)省四個(gè)變量的值帶入典型判別函數(shù)：,計(jì)算得：江蘇：u(x)1.22634安徽：u(x)0.40216陜西：u(x)-1.24201,