判別分析實(shí)驗(yàn)報(bào)告

數(shù)學(xué)實(shí)驗(yàn)報(bào)告判別分析一、實(shí)驗(yàn)?zāi)康囊笫炀氄莆者\(yùn)用SPSS軟件實(shí)現(xiàn)判別分析。二、實(shí)驗(yàn)內(nèi)容已知某研究對(duì)象分為3類，每個(gè)樣品考察4項(xiàng)指標(biāo)，各類觀測(cè)的樣品數(shù)分別為7，4，6；另外還有2個(gè)待判樣品分別為 第一個(gè)樣品：第二個(gè)樣品：運(yùn)用SPSS軟件對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行分析并判斷兩個(gè)樣品的分組。三、實(shí)驗(yàn)步驟及結(jié)論1.SPSS數(shù)據(jù)分析軟件中打開實(shí)驗(yàn)數(shù)據(jù)，并將兩個(gè)待檢驗(yàn)樣本鍵入，作為樣本18和樣本19。2.實(shí)驗(yàn)分析步驟為：分析分類判別分析3.得到實(shí)驗(yàn)結(jié)果如下：（1） 由表1，對(duì)相等總體協(xié)方差矩陣的零假設(shè)進(jìn)行檢驗(yàn)，Sig值為0.022<0.05,則拒絕原假設(shè)，則各分類間協(xié)方差矩陣相等。表1 協(xié)方差陣的均等性函數(shù)檢驗(yàn)結(jié)果表檢驗(yàn)結(jié)果a箱的 M35.960F近似。2.108df110df2537.746Sig.022由表2可得，函數(shù)1所對(duì)應(yīng)的特征值貢獻(xiàn)率已達(dá)到99.6%，說明樣本數(shù)據(jù)均向此方向投影就可得到效果很高的分類，故只取函數(shù)1作為投影函數(shù)，舍去函數(shù)2不做分析。表3為典型判別式函數(shù)的Wilks的Lambda檢驗(yàn)，此檢驗(yàn)中函數(shù)1的Wilks Lambda檢驗(yàn)sig值為0.022<0.05，則拒絕原假設(shè)，說明函數(shù)1判別顯著。表2 典型判別式函數(shù)特征值分析表特征值函數(shù)特征值方差的 %累積 %正則相關(guān)性13.116a99.699.6.8702.012a.4100.0.111a. 分析中使用了前 2 個(gè)典型判別式函數(shù)。表3 Wilks的Lambda檢驗(yàn)結(jié)果表Wilks 的 Lambda函數(shù)檢驗(yàn)Wilks 的 Lambda卡方dfSig.1 到 2.24017.8408.0222.988.1543.985表4為求得的各典型函數(shù)判別式函數(shù)系數(shù)，由此表可以求得具體函數(shù)，得y=9.240+0.010x1+0.543x2+0.047x3-0.068x4。表4 典型判別式函數(shù)系數(shù)表典型判別式函數(shù)系數(shù)函數(shù)12x1.010.023x2.543-.107x3.047-.024x4-.068.001(常量)9.240-1.276非標(biāo)準(zhǔn)化系數(shù)表5 組質(zhì)心處函數(shù)值表組質(zhì)心處的函數(shù)類別號(hào)函數(shù)121.00-1.846-.0322.00.616.1783.001.744-.081在組均值處評(píng)估的非標(biāo)準(zhǔn)化典型判別式函數(shù)由表5給出的組質(zhì)心處的函數(shù)值，可以得到函數(shù)1的置信坐標(biāo)為（-1.846，0.616，1.744）。（2）關(guān)于兩個(gè)待判樣本的分組方法：將樣本1的因變量數(shù)據(jù)代入方程y=9.240+0.010x1+0.543x2+0.047x3-0.068x4求得y1=-1.498，分別減去上表中-1.846，0.616，1.744，取絕對(duì)值得0.348，0.882,0.246，則樣本1為第1組；同理可得，y2=1.571,分別減去上表中-1.846，0.616，1.744，取絕對(duì)值得3.417，0.955，0.173，則樣本2為第3組。貝葉斯判別部分如下： 表6 先驗(yàn)概率表組的先驗(yàn)概率類別號(hào)先驗(yàn)用于分析的案例未加權(quán)的已加權(quán)的1.00.41277.0002.00.23544.0003.00.35366.000合計(jì)1.0001717.000表6給出了各組的先驗(yàn)概率。表7 分類函數(shù)系數(shù)表分類函數(shù)系數(shù)類別號(hào)1.002.003.00x1-.074-.045-.040x2-19.412-18.097-17.457x34.5494.6614.720x41.5821.4141.337(常量)-223.305-199.884-190.041Fisher 的線性判別式函數(shù)表7為貝葉斯判別分析得到的分類函數(shù)系數(shù)表，可以得到3個(gè)分組各自的函數(shù): y1=-223.305-0.074x1-19.412x2+4.549x3+1.582x4y2=-199.884-0.045x1-18.097x2+4.661x3+1.414x4y3=-190.041-0.040x1-17.457x2+4.720x3+1.377x4將兩組樣本數(shù)據(jù)分別代入3個(gè)方程：代入樣本1得 y1=410.431,y2=207.594,y3=207.309代入樣本2得 y1=186.519,y2=191.765,y3=192.139故樣本1屬于第1組，樣本2屬于第3組。表8為分類結(jié)果表，給出全部樣本的分類數(shù)據(jù)。其中第1組樣本數(shù)為7個(gè)，第2組為4個(gè)，第3組為6個(gè)，兩個(gè)樣本為分類，且分組正確率為88.2% 。表8 分類結(jié)果表分類結(jié)果a類別號(hào)預(yù)測(cè)組成員合計(jì)1.002.003.00初始計(jì)數(shù)1.0070072.0003143.001056未分組的案例1012%1.00100.0.0.0100.02.00.075.025.0100.03.0016.7.083.3100.0未分組的案例50.0.050.0100.0a. 已對(duì)初始分組案例中的 88.2% 個(gè)進(jìn)行了正確分類。四、心得體會(huì) 本實(shí)驗(yàn)需認(rèn)真分析實(shí)驗(yàn)數(shù)據(jù)，SPSS軟件操作須準(zhǔn)確，以得到足夠清晰的實(shí)驗(yàn)結(jié)果數(shù)據(jù)表。實(shí)驗(yàn)結(jié)果分析過程中涉及到計(jì)算，且直接關(guān)系到實(shí)驗(yàn)結(jié)果，須認(rèn)真對(duì)待。通過本次實(shí)驗(yàn)對(duì)判別分析有了更為深刻的認(rèn)識(shí)，并能夠掌握軟件的具體使用方法。