通過本次實驗學(xué)習(xí)判別分析在SPSS軟件中的具體操作方法，依據(jù)變量的各個特征來對變量進行分組，與聚類分析不同的是判別分析對于類別是已知的。

實驗步驟及過程：

首先對14組數(shù)據(jù)做聚類分析，通過快速聚類法分為3類作為判別分組變量，然后挑選出后三組數(shù)據(jù)作為測試集，用來驗證判別分析的準(zhǔn)確性，聚類之后刪除掉后三行數(shù)據(jù)的分組信息，在此基礎(chǔ)上做判別分析。

?

依菜單選擇“分析”→“分類”→“判別式”，然后將聚類保存的分組變量加載到“分組變量”框中，定義為類別的范圍1到3

?

接著將要三個自變量加載到“自變量”框，在“統(tǒng)計”選項中勾選需要分析的內(nèi)容，我們這里勾選相關(guān)的選項方便后面的結(jié)果分析。

“單變量ANOVA”針對所有自變量進行單因素方差分析，看在各組間有無差別。

“矩陣”框中的選項一般用于模型擬合優(yōu)度檢驗，我們這里選擇組內(nèi)相關(guān)性。

“函數(shù)系數(shù)”框中需要注意，“費希爾”方法實際為貝葉斯判法，“未標(biāo)準(zhǔn)化”才是給的費希爾判別法。

?在“分類”選項中，一般先驗概率都為所有組相等，為自然概率。“顯示”中可勾選個案結(jié)果，能夠輸出每個樣品判別后的類別、預(yù)測分組后驗概率及判別得分；“摘要表”輸出判別分析正確分組或者錯誤分組的樣品數(shù)；

“留一分類”為使用交叉檢驗法：假設(shè)有N個樣本，將每一個樣本作為測試樣本，其它N-1個樣本作為訓(xùn)練樣本。這樣得到N個分類器，N個測試結(jié)果，用這N個結(jié)果的平均值來衡量模型的性能，相對于手動選擇訓(xùn)練集和測試集會方便一些。

?

最后將預(yù)測的組成員、判別得分、組成員概率保存到變量中

實驗結(jié)果分析與說明?

題目一：

?

?因為我們把后三組分組類別刪除作為測試組，所以未分組的有3個數(shù)據(jù)

?組平均值的同等檢驗是檢驗3組變量中的均值是否相等的假設(shè)檢驗，結(jié)果顯示在0.05的顯著性水平下，所有變量的均值互相之間并沒有顯著性差異。

?從典則判別函數(shù)的輸出可以看出，第一判別函數(shù)解釋了93%的方差，第二判別函數(shù)僅僅解釋了7%的方差，兩個判別函數(shù)解釋了全部的方差。

?威爾克lambda表對比了兩個判別函數(shù)的顯著性，判別函數(shù)一P值為0，在顯著性水平α為0.05時顯著小于α，而判別函數(shù)二P值概率為0.051略大于0，05，不顯著，所以后面只對判別函數(shù)1展開分析

?

典則判別函數(shù)系數(shù)表給出了兩個判別函數(shù)表達式的各項系數(shù)，我們可以依據(jù)系數(shù)寫出標(biāo)準(zhǔn)化和未標(biāo)準(zhǔn)化的函數(shù)，將要判別的數(shù)據(jù)帶入函數(shù)中便能得到判別得分。?

?結(jié)構(gòu)矩陣，為判別載荷，標(biāo)準(zhǔn)化系數(shù)為判別權(quán)重，由判別權(quán)重和判別載荷可以知道哪些解釋變量對判別函數(shù)的影響程度較大。在判別函數(shù)1中，防守和士氣的貢獻較大。

?觀察保存的分組數(shù)據(jù)發(fā)現(xiàn)，使用判別分析對于后三組的分類與其原始聚類分組結(jié)果一致。

?得到的合并圖如上所示，可以清楚地看到三類分組，同時包含了未分組的3個點。

?交叉檢驗結(jié)果可知，本次判別分析分類正確率為72.7%，第三組有一個數(shù)據(jù)被錯誤分到了第二類，第二組有兩個數(shù)據(jù)被錯誤分到了第三類。

總結(jié)

以上是生活随笔為你收集整理的判别分析在SPSS上的实现与结果分析——基于SPSS实验报告的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。