判别分析的SPSS实现

,*,判别分析的,SPSS实现,1,SPSS提供的建立判别函数的方法有：,1.全模型法：把所有的变量放入判别函数中,2.逐步判别法,判别分析的步骤,对于分为m类的研究对象，建立m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，从而确定该样本属于哪一类。,2,Discriminant,3,Discriminant对话框,4,Grouping Variable：已知的观测量所属类别的变量（分类变量）,Independents：观测量，即参与判别分析的变量。,Use Stepwise method：当不认为所有自变量都能对观测量特性提供丰富的信息时，使用该选择项。因此根据对判别贡献的大小进行选择。,Enter independent together：当所有自变量都能对观测量特性提供丰富的信息时，使用该选择项。选择该项将不加选择地使用所有自变量进行判别分析，建立全模型。不需要进一步进行选择。,5,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表明已知的观测量所属类别的变量（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。,6,分类变量范围对话框,2,7,指定判别分析的自变量,在主对话框的左面的变量表中选择表明观测量特征的变量，按下面一个箭头按钮，把选中的变量移到,“Independents:”,下面的矩形框中，作为参与判别分析的变量。,8,Indepents对话框,数据变量输入框,9,数据判别分析,完成前面四步骤的操作即可使用各种系统默认值对工作数据集的数据进行判别分析了。可以使用的方法有两种：,(1),直接运行：在主对话框中按（用鼠标单击）,Ok,按钮,(2),生成,SPSS,命令程序后再运行：在主对话框中按,Paste,按钮，激活,Syntax,窗，在该窗中按,Run,按钮执行该语句窗中的程序。,无论哪种方法均可在,output,窗中显示出分析结果。,完全使用系统默认值进行判别分析，其结果有时不能令人满意，因此根据以下步骤指定选择项是很有必要的,。,10,选择观测量,如果希望使用一部分观测量进行判别函数的推导，而且有一个变量的某个值可以作为某些观测量的标识，则用,Select,功能进行选择。操作方法是，单击,“Select”,按钮展开小选择框，在,“Vaiable,：,”,后面矩形框中输入该变量的变量名，在,“Value,：,”,后面输入标识参与分析的观测量所具有的该变量值。一般均使用数据文件中的所有合法观测量。此步骤可以省略。,11,Select,功能选择,12,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。,（1）Enter independent together,当你认为所有自变量都能对观测量特性提供丰富的信息时，使用该选择项。选择该项将不加选择地使用所有自变量进行判别分析，建立全模型。不需要进一步进行选择。,13,（,2,）,Use Stepwise method,当你不认为所有自变量都能对观测量特性提供丰富的信息时，使用该选择项。因此根据对判别贡献的大小进行选择。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）如下,图,所示。,14,Stepwise method对话框,15,选择进行逐步判别分析的方法,选择判别分析方法在,Method组的矩形框中进行。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,距离最大化法。,16,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。可以对一个要加入到模型中的变量的,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量的指定值。,17,选择逐步判别停止的判据,选择逐步判别停止的判据在,criteria,组的矩形框中进行。可供选择的判据有：,Use F value,：使用,F,值，是系统默认的判据，默认值是：,Entry,：,3.84,；,removal,：,2.71,。即当被加入的变量,F,值,=3.84,时才把该变量加入到模型中，否则变量不能进入模型；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，否则模型中的变量不会被移出。应该使,Entry,值（加入变量的,F,值）,removal,值（移出变量的,F,值）,18,Use probability of F,：使用,F,值的概率。加入变量的,F,值概率的默认值是,0.05,（,5,）；移出变量的,q,值概率是,0.10,（,10,）。,removal,值（移出变量的正值概率）,Entry,值（加入变量的,F,值概率）。,19,显示内容的选择,对于逐步选择变量的过程和最后结果的显示可以通过,Method,对话框最下面的,Display,矩形框中的三项进行选择：,Resul at each step,要求在逐步选择变量过程中的每一步之后显示每个变量的统计量。,Summary,仅要求显示加入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，返回主对话框。,20,指定输出的统计量,单击,“statistics”,按钮，展开相应的子对话框，如下,图,所示。,可以选择的输出统计量分为以下三类：,（,1,）描述统计量,在,Descriptives,组的矩形框中可以选择对原始数据的描述统计量的输出：,Means,选择此项可以输出各类中各自变量的均值,MEAN,、标准差,Std Dev,和各自变量总样本的均值和标准差。,Univariate ANOVA,对各类中同一自变量均值都相等的假设进行检验，输出单变量的方差分析结果。,Boxs M,对每类的协方差矩阵是从同一总体中采样得来的假设进行检验，输出检验,结果,。,21,Statistics,22,（,2,）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形式：,Fishers,可以直接用于对新样本进行判别分类的费雪系数。,Unstandardized,未经标准化处理的判别系数。可用于计算判别分数。,23,（,3,）自变量的系数矩阵,在,Matrices,组的矩形框中选择要求给出的矩阵：,within-groups correlation matrix,类内相关矩阵,within-groups covariance matrix,类内协方差矩阵,Separate-groups covariance matrices,对每类输出一个类间协方差矩阵,Total covariance matrix,总样本的协方差矩阵,以上三项都给予了确定的选择后，单击,continue,按钮，返回主对话框,。,24,指定分类参数和判别结果,在主对话框中单击,“classify”,按钮，展开相应的子对话框，如下,图,所示。,（,1,）在,Prior Probabilities,组的矩形框中选择先验概率，两者选其一,。,All groups equal,各类先验概率相等。若分为,m,类，则各类先验概率均为,1,m,。,computer from group sizes,由各类的样本量计算决定在各类的先验概率与其样本比。,25,Classifiction,对话框,26,（,2,）选择分类使用的协方差矩阵,在,Use covariance Matrix,组的矩形框中选择分析使用的协方差矩阵。两者选其一。,Within-groups,指定使用组内协方差矩阵。,Seperate-groups,指定使用组间协方差矩阵。,27,（,3,）选择要求输出的统计图,在,Plots,组的矩形框中选择，可以并列选择。,combined-groups,所有类放在一张散点图中。便于比较。此选择项生成一张散点图。,Seperate-groups,对每一类生成一张散点图。共分为几类就生成几张散点图。,Territoreal map,如果对一个观测量只能计算出一个判别分数，则利用观测量的判别做作图，如果有两个以上判别分数，则用头两个判别分数作图。此种统计图力图把一张图的平面划分出与类数相同的区域。每一类占据一个区,。,28,（,4,）选择生成到输出窗中的分类结果,在,Displsy,组的矩形框中选择输出项：,Results for each case,要求输出每个观测量的分类结果。,Summary table,要求输出分类的小结，给出错分率。,29,（,5,）缺失值处理方式,在,classification,子对话框的最下面有一个选择项，用以选择对缺失值的处理方法。,Replace missing value with mean,用该变量的均值代替缺失值。该选择项前面的小矩形框中出现,x,时表示选定所示的处理方法。,以上五项都给予了确定的选择后，单击,continue,按钮，返回主对话框,。,30,指定生成并保存在数据文件中的新变量,Descriminant,过程可以在数据文件中建立新变量，通过,Save New Vaiables,子对话框进行选择。,在主对话框中单击,“Save”,按钮，展开,“Save New Vaiables”,子对话框。如下,图,所示。,31,Save对话框,32,在工作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，表明预测的类成员。指定此项后，每行一次,Descriminant,过程，就建立一个表明使用判别函数预测的各观测量属于哪一类的新变量。第一次运行建立新变量的变量名为,dis-1,如果在工作数据文件中不把前一次建立的新变删除，第,n,次运行,Descriminant,过程建立的新变量默认的变量名为,dis-n,。,33,Descriminant score,要求建立表明判别分数的新变量。每次运行,Descriminant,过程都给出组表明判别分数的新变量。建立几个典则判别函数就有几个判别分数变量。参与分析的观测量共分为,m,类，则建立,m,l,个典则判别函数，指定该选择项，就可以生成,m,l,个表明判别数的新变量。例如，原始数据观测量共分为,3,类，建立两个典则判别函数。第一次运行判别过程建立的新变量名为,dis1_1,dis2_1,，第二次运行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。,34,Probabilities of group membership,要求建立新变量表明观测量属于某一类的概率。有,m,类，对一个观测量就会给出,m,个概率值，因此建立,m,个新变量。例如，原始和预测分类数是：指定该选择项，在第一次运行判别过程后，给出的表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,35,运行带有选择项的判别分析过程,运行,Descriminant,过程有两种方法：,（,1,）在主对话框中按,Ok,按钮，直接运行,Descriminan