判別分析的一般步驟及SPSS實(shí)現(xiàn).ppt
《判別分析的一般步驟及SPSS實(shí)現(xiàn).ppt》由會(huì)員分享,可在線(xiàn)閱讀,更多相關(guān)《判別分析的一般步驟及SPSS實(shí)現(xiàn).ppt(37頁(yè)珍藏版)》請(qǐng)?jiān)谘b配圖網(wǎng)上搜索。
判別分析的一般步驟及SPSS實(shí)現(xiàn),判別分析的邏輯框圖,例1:為研究某地區(qū)人口死亡狀況,已按某種方法將15個(gè)已知地區(qū)樣品分為3類(lèi),指標(biāo)含義及原始數(shù)據(jù)如下。試建立判別函數(shù),并判定另外4個(gè)待判地區(qū)屬于哪類(lèi)?,判別分析的SPSS實(shí)現(xiàn),表7.1各地區(qū)死亡概率表,(一)操作步驟1.在SPSS窗口中選擇AnalyzeClassifyDiscriminate,調(diào)出判別分析主界面,將左邊的變量列表中的“group”變量選入分組變量中,將選入自變量中,并選擇Enterindependentstogether單選按鈕,即使用所有自變量進(jìn)行判別分析。,圖7.2判別分析主界面,X1,X6,2.點(diǎn)擊DefineRange按鈕,定義分組變量的取值范圍。本例中分類(lèi)變量的范圍為1到3,所以在最小值和最大值中分別輸入1和3。單擊Continue按鈕,返回主界面。,判別分析的SPSS實(shí)現(xiàn),3.單擊Statistics按鈕,指定輸出的描述統(tǒng)計(jì)量和判別函數(shù)系數(shù)。選中FunctionCoefficients欄中的Fishers和Unstandardized。這兩個(gè)選項(xiàng)的含義如下:Fishers:給出Bayes判別函數(shù)的系數(shù)。(注意:這個(gè)選項(xiàng)不是要給出Fisher判別函數(shù)的系數(shù)。這個(gè)復(fù)選框的名字之所以為Fishers,是因?yàn)榘磁袆e函數(shù)值最大的一組進(jìn)行歸類(lèi)這種思想是由Fisher提出來(lái)的。這里極易混淆,請(qǐng)注意辨別。)Unstandardized:給出未標(biāo)準(zhǔn)化的Fisher判別函數(shù)(即典型判別函數(shù))的系數(shù)(SPSS默認(rèn)給出標(biāo)準(zhǔn)化的Fisher判別函數(shù)系數(shù))。,判別分析的SPSS實(shí)現(xiàn),注:由于SPSS中的判別分析沒(méi)有距離判別這一方法,因此距離判別法無(wú)法在SPSS中直接實(shí)現(xiàn)(但可以通過(guò)Excel等軟件來(lái)進(jìn)行手工計(jì)算)。,判別分析的SPSS實(shí)現(xiàn),單擊Continue按鈕,返回主界面。,圖7.3Statistics子對(duì)話(huà)框,判別分析的SPSS實(shí)現(xiàn),4.單擊Classify按鈕,定義判別分組參數(shù)和選擇輸出結(jié)果。選擇Display欄中的Casewiseresults,輸出一個(gè)判別結(jié)果表,包括每個(gè)樣品的判別分?jǐn)?shù)、后驗(yàn)概率、實(shí)際組和預(yù)測(cè)組編號(hào)等。其余的均保留系統(tǒng)默認(rèn)選項(xiàng)。單擊Continue按鈕。,圖7.4Classify子對(duì)話(huà)框,5.單擊Save按鈕,指定在數(shù)據(jù)文件中生成代表判別分組結(jié)果和判別得分的新變量,生成的新變量的含義分別為:Predictedgroupmembership:存放判別樣品所屬組別的值;Discriminantscores:存放Fisher判別得分的值,有幾個(gè)典型判別函數(shù)就有幾個(gè)判別得分變量;Probabilitiesofgroupmembership:存放樣品屬于各組的Bayes后驗(yàn)概率值。將對(duì)話(huà)框中的三個(gè)復(fù)選框均選中,單擊Continue按鈕返回。,判別分析的SPSS實(shí)現(xiàn),圖7.5Save子對(duì)話(huà)框,6.返回判別分析主界面,單擊OK按鈕,運(yùn)行判別分析過(guò)程。,判別分析的SPSS實(shí)現(xiàn),(二)主要運(yùn)行結(jié)果解釋1.StandardizedCanonicalDiscriminantFunctionCoefficients(給出標(biāo)準(zhǔn)化的典型判別函數(shù)系數(shù))標(biāo)準(zhǔn)化的典型判別函數(shù)是由標(biāo)準(zhǔn)化的自變量通過(guò)Fisher判別法得到的,所以要得到標(biāo)準(zhǔn)化的典型判別得分,代入該函數(shù)的自變量必須是經(jīng)過(guò)標(biāo)準(zhǔn)化的。2.CanonicalDiscriminantFunctionCoefficients(給出未標(biāo)準(zhǔn)化的典型判別函數(shù)系數(shù))未標(biāo)準(zhǔn)化的典型判別函數(shù)系數(shù)由于可以將實(shí)測(cè)的樣品觀(guān)測(cè)值直接代入求出判別得分,所以該系數(shù)使用起來(lái)比標(biāo)準(zhǔn)化的系數(shù)要方便一些。見(jiàn)表7.2(a)。,判別分析的SPSS實(shí)現(xiàn),由此表可知,兩個(gè)Fisher判別函數(shù)分別為:實(shí)際上兩個(gè)函數(shù)式計(jì)算的是各觀(guān)測(cè)值在各個(gè)維度上的坐標(biāo),這樣就可以通過(guò)這兩個(gè)函數(shù)式計(jì)算出各樣品觀(guān)測(cè)值的具體空間位置。,判別分析的SPSS實(shí)現(xiàn),表7.2(a)未標(biāo)準(zhǔn)化的典型判別函數(shù)系數(shù),判別分析的SPSS實(shí)現(xiàn),3.FunctionsatGroupCentroids(給出組重心處的Fisher判別函數(shù)值)如表7.2(b)所示,實(shí)際上為各類(lèi)別重心在空間中的坐標(biāo)位置。這樣,只要在前面計(jì)算出各觀(guān)測(cè)值的具體坐標(biāo)位置后,再計(jì)算出它們分別離各重心的距離,就可以得知它們的分類(lèi)了。,表7.2(b)組重心處的Fisher判別函數(shù)值,4.ClassificationFunctionCoefficients(給出Bayes判別函數(shù)系數(shù))如表7.3所示,Group欄中的每一列表示樣品判入相應(yīng)列的Bayes判別函數(shù)系數(shù)。在本例中,各類(lèi)的Bayes判別函數(shù)如下:第一組:第二組:第三組:,判別分析的SPSS實(shí)現(xiàn),將各樣品的自變量值代入上述三個(gè)Bayes判別函數(shù),得到三個(gè)函數(shù)值。比較這三個(gè)函數(shù)值,哪個(gè)函數(shù)值比較大就可以判斷該樣品判入哪一類(lèi)。例如,將第一個(gè)待判樣品的自變量值分別代入函數(shù),得到:F1=3793.77,F(xiàn)2=3528.32,F(xiàn)3=3882.48比較三個(gè)值,可以看出第一個(gè)待判樣品應(yīng)該屬于第三組。,判別分析的SPSS實(shí)現(xiàn),表7.3Bayes判別法的輸出結(jié)果,判別分析的SPSS實(shí)現(xiàn),5.CasewiseStatistics(給出個(gè)案觀(guān)察結(jié)果)在CasewiseStatistics輸出表針對(duì)每個(gè)樣品給出了了大部分的判別結(jié)果,其中包括:實(shí)際類(lèi)(ActualGroup)、預(yù)測(cè)類(lèi)(PredictedGroup)、Bayes判別法的后驗(yàn)概率、與組重心的馬氏距離(SquaredMahalanobisDistancetoCentroid)以及Fisher判別法的每個(gè)典型判別函數(shù)的判別得分(DiscriminantScores)。出于排版要求,這里給出結(jié)果表的是經(jīng)過(guò)加工的,隱藏了其中的一些項(xiàng)目,如表7.4所示。從表中可以看出四個(gè)待判樣本依次被判別為第三組、第一組、第二組和第三組。,判別分析的SPSS實(shí)現(xiàn),表7.4個(gè)案觀(guān)察結(jié)果表,6.由于我們?cè)赟ave子對(duì)話(huà)框中選擇了生成表示判別結(jié)果的新變量,所以在數(shù)據(jù)編輯窗口中,可以觀(guān)察到產(chǎn)生的新變量。其中,變量dis-1存放判別樣品所屬組別的值,變量dis1-1和dis2-1分別代表將樣品各變量值代入第一個(gè)和第二個(gè)判別函數(shù)所得的判別分?jǐn)?shù),變量dis1-2、dis2-2和dis3-2分別代表樣品分別屬于第1組、第2組和第3組的Bayes后驗(yàn)概率值。,判別分析的SPSS實(shí)現(xiàn),例2:對(duì)國(guó)家類(lèi)別的判別,判別分析的SPSS實(shí)現(xiàn),14個(gè)國(guó)家的出生時(shí)預(yù)期壽命和成人識(shí)字率,分析分類(lèi)判別基本設(shè)定:,判別分析的SPSS實(shí)現(xiàn),相關(guān)選項(xiàng),刀切法的分類(lèi)效果,原始數(shù)據(jù)的分類(lèi)效果,相關(guān)選項(xiàng),保存分類(lèi)結(jié)果,結(jié)果分析:方差分析,識(shí)字率在各組中差別很不顯著,對(duì)分類(lèi)的作用可能不大。,判別分析的SPSS實(shí)現(xiàn),Fisher判別函數(shù),D=-16.661+0.342預(yù)期壽命-0.09識(shí)字率,判別分析的SPSS實(shí)現(xiàn),兩類(lèi)的重心,根據(jù)待判樣品的數(shù)據(jù)計(jì)算Fisher判別函數(shù)的值,離哪個(gè)組的重心近就歸入哪一類(lèi)。,判別分析的SPSS實(shí)現(xiàn),分類(lèi)函數(shù),D1=-190+5.44預(yù)期壽命-0.362識(shí)字率D2=-162+4.88預(yù)期壽命-0.214識(shí)字率,實(shí)際是Bayes判別分析的結(jié)果。把待判樣品的數(shù)據(jù)代入分類(lèi)函數(shù),哪個(gè)組的值最大就分入那個(gè)組。有幾個(gè)組就有幾個(gè)分類(lèi)函數(shù)。,判別分析的SPSS實(shí)現(xiàn),分類(lèi)效果的評(píng)價(jià),這里SPSS中使用的是Bayes判別的分類(lèi)結(jié)果,分類(lèi)正確,分類(lèi)錯(cuò)誤,待判樣品的分類(lèi)結(jié)果,判別分析的SPSS實(shí)現(xiàn),Thankyouverymuch!,- 1.請(qǐng)仔細(xì)閱讀文檔,確保文檔完整性,對(duì)于不預(yù)覽、不比對(duì)內(nèi)容而直接下載帶來(lái)的問(wèn)題本站不予受理。
- 2.下載的文檔,不會(huì)出現(xiàn)我們的網(wǎng)址水印。
- 3、該文檔所得收入(下載+內(nèi)容+預(yù)覽)歸上傳者、原創(chuàng)作者;如果您是本文檔原作者,請(qǐng)點(diǎn)此認(rèn)領(lǐng)!既往收益都?xì)w您。
下載文檔到電腦,查找使用更方便
9.9 積分
下載 |
- 配套講稿:
如PPT文件的首頁(yè)顯示word圖標(biāo),表示該P(yáng)PT已包含配套word講稿。雙擊word圖標(biāo)可打開(kāi)word文檔。
- 特殊限制:
部分文檔作品中含有的國(guó)旗、國(guó)徽等圖片,僅作為作品整體效果示例展示,禁止商用。設(shè)計(jì)者僅對(duì)作品中獨(dú)創(chuàng)性部分享有著作權(quán)。
- 關(guān) 鍵 詞:
- 判別分析 一般 步驟 SPSS 實(shí)現(xiàn)
鏈接地址:http://appdesigncorp.com/p-3614955.html