《判別分析實(shí)驗(yàn)報(bào)告SPSS》由會(huì)員分享，可在線閱讀，更多相關(guān)《判別分析實(shí)驗(yàn)報(bào)告SPSS（12頁(yè)珍藏版）》請(qǐng)?jiān)谘b配圖網(wǎng)上搜索。

1、一、實(shí)驗(yàn)?zāi)康募耙螅? 1、目的 用SPSS軟件實(shí)現(xiàn)判別分析及其應(yīng)用。 2、內(nèi)容及要求 用SPSS對(duì)實(shí)驗(yàn)數(shù)據(jù)利用Fisher判別法和貝葉斯判別法，建立判別函數(shù)并判定宿州、廣安等13個(gè)地級(jí)市分別屬于哪個(gè)管理水平類型。 二、儀器用具： 儀器名稱 規(guī)格/型號(hào) 數(shù)量 備注 計(jì)算機(jī) 1 有網(wǎng)絡(luò)環(huán)境 SPSS軟件 1 三、實(shí)驗(yàn)方法與步驟: 準(zhǔn)備工作：把實(shí)驗(yàn)所用數(shù)據(jù)從Word文檔復(fù)制到Excel，并進(jìn)一步導(dǎo)入到SPSS數(shù)據(jù)文件中，同時(shí)，由于只有當(dāng)被解釋變量是屬性變量而解釋變量是度量變量時(shí)，判別分析才適用，所以將城市管理的7個(gè)效率指數(shù)變量的變量類

2、型改為“數(shù)值（N）”，度量標(biāo)準(zhǔn)改為“度量（S）”，以備接下來(lái)的分析。 四、實(shí)驗(yàn)結(jié)果與數(shù)據(jù)處理： 表1 組均值的均等性的檢驗(yàn) Wilks 的 Lambda F df1 df2 Sig. 綜合效率標(biāo)準(zhǔn)指數(shù) .582 23.022 2 64 .000 經(jīng)濟(jì)效率標(biāo)準(zhǔn)指數(shù) .406 46.903 2 64 .000 結(jié)構(gòu)效率標(biāo)準(zhǔn)指數(shù) .954 1.560 2 64 .218 社會(huì)效率標(biāo)準(zhǔn)指數(shù) .796 8.225 2 64 .001 人員效率標(biāo)準(zhǔn)指數(shù) .342 61.6

3、45 2 64 .000 發(fā)展效率標(biāo)準(zhǔn)指數(shù) .308 71.850 2 64 .000 環(huán)境效率標(biāo)準(zhǔn)指數(shù) .913 3.054 2 64 .054 表1是對(duì)各組均值是否相等的檢驗(yàn)，由該表可以看出，在0.05的顯著性水平上我們不能拒絕結(jié)構(gòu)效率標(biāo)準(zhǔn)指數(shù)和環(huán)境效率標(biāo)準(zhǔn)指數(shù)在三組的均值相等的假設(shè)，即認(rèn)為除了結(jié)構(gòu)效率標(biāo)準(zhǔn)指數(shù)和環(huán)境效率標(biāo)準(zhǔn)指數(shù)外，其余五個(gè)標(biāo)準(zhǔn)指數(shù)在三組的均值是有顯著差異的。 表2 對(duì)數(shù)行列式 group 秩 對(duì)數(shù)行列式 1 6 -33.410 2 6 -33.177

4、 3 6 -40.584 匯聚的組內(nèi) 6 -32.308 打印的行列式的秩和自然對(duì)數(shù)是組協(xié)方差矩陣的秩和自然對(duì)數(shù)。 表3 檢驗(yàn)結(jié)果 箱的 M 140.196 F 近似。 2.498 df1 42 df2 1990.001 Sig. .000 對(duì)相等總體協(xié)方差矩陣的零假設(shè)進(jìn)行檢驗(yàn)。 以上是對(duì)各組協(xié)方差矩陣是否相等的Box’M檢驗(yàn)，表2反映協(xié)方差矩陣的秩和行列式的對(duì)數(shù)值。由行列式的值可以看出，協(xié)方差矩陣不是病態(tài)矩陣。表3是對(duì)各總體協(xié)方差陣是否相等的統(tǒng)計(jì)檢驗(yàn)，由F值及其顯著水平，在

5、0.05的顯著性水平下拒絕原假設(shè)，認(rèn)為各總體協(xié)方差陣不相等。 1）Fisher判別法： 圖一 圖二 表4 特征值 函數(shù) 特征值 方差的 % 累積 % 正則相關(guān)性 1 3.763a 75.0 75.0 .889 2 1.257a 25.0 100.0 .746 a. 分析中使用了前 2 個(gè)典型判別式函數(shù)。 表5 Wilks 的 Lambda 函數(shù)檢驗(yàn) Wilks 的 Lambda 卡方 df Si

6、g. dimension0 1 到 2 .093 146.042 12 .000 2 .443 50.053 5 .000 表4反映了判別函數(shù)的特征值、解釋方差的比例和典型相關(guān)系數(shù)。第一判別函數(shù)解釋了75%的方差，第二判別函數(shù)解釋了25%的方差，它們兩個(gè)判別函數(shù)解釋了全部方差。 表5是對(duì)兩個(gè)判別函數(shù)的顯著性檢驗(yàn)，由Wilks’Lambda檢驗(yàn)，認(rèn)為兩個(gè)判別函數(shù)在0.05的顯著性水平上是顯著的。 表6 標(biāo)準(zhǔn)化的典型判別式函數(shù)系數(shù) 函數(shù) 1 2 綜合效率標(biāo)準(zhǔn)指數(shù) -.228 -.578 經(jīng)濟(jì)

7、效率標(biāo)準(zhǔn)指數(shù) .566 .404 結(jié)構(gòu)效率標(biāo)準(zhǔn)指數(shù) .097 .472 社會(huì)效率標(biāo)準(zhǔn)指數(shù) .378 .233 人員效率標(biāo)準(zhǔn)指數(shù) -.328 1.099 發(fā)展效率標(biāo)準(zhǔn)指數(shù) .621 .675 表7 結(jié)構(gòu)矩陣 函數(shù) 1 2 發(fā)展效率標(biāo)準(zhǔn)指數(shù) .752* .305 經(jīng)濟(jì)效率標(biāo)準(zhǔn)指數(shù) .611* .222 綜合效率標(biāo)準(zhǔn)指數(shù) .426* .170 社會(huì)效率標(biāo)準(zhǔn)指數(shù) .261* -.001 環(huán)境效率標(biāo)準(zhǔn)指數(shù)a .141* -.129 人員效率標(biāo)準(zhǔn)指數(shù) -.54

8、7 .797* 結(jié)構(gòu)效率標(biāo)準(zhǔn)指數(shù) .070 -.156* 判別變量和標(biāo)準(zhǔn)化典型判別式函數(shù)之間的匯聚組間相關(guān)性 按函數(shù)內(nèi)相關(guān)性的絕對(duì)大小排序的變量。 *. 每個(gè)變量和任意判別式函數(shù)間最大的絕對(duì)相關(guān)性 a. 該變量不在分析中使用。 表6為標(biāo)準(zhǔn)化的判別函數(shù)，表7為結(jié)構(gòu)矩陣，即判別載荷。由判別權(quán)重和判別載荷可以看出發(fā)展效率標(biāo)準(zhǔn)指數(shù)、經(jīng)濟(jì)效率標(biāo)準(zhǔn)指數(shù)對(duì)判別函數(shù)1的貢獻(xiàn)較大，而人員效率標(biāo)準(zhǔn)指數(shù)對(duì)判別函數(shù)2的貢獻(xiàn)較大。 表8 典型判別式函數(shù)系數(shù) 函數(shù) 1 2 綜合效率標(biāo)準(zhǔn)指數(shù) -5.216

9、-13.231 經(jīng)濟(jì)效率標(biāo)準(zhǔn)指數(shù) 5.168 3.688 結(jié)構(gòu)效率標(biāo)準(zhǔn)指數(shù) .999 4.848 社會(huì)效率標(biāo)準(zhǔn)指數(shù) 4.877 3.011 人員效率標(biāo)準(zhǔn)指數(shù) -3.319 11.138 發(fā)展效率標(biāo)準(zhǔn)指數(shù) 7.145 7.774 (常量) -1.363 -6.424 非標(biāo)準(zhǔn)化系數(shù) 表9 組質(zhì)心處的函數(shù) group 函數(shù) 1 2 dimension0 1 -.210 -.730 2 3.964 1.263 3 -2.725 1.905 在組均值處評(píng)估的非標(biāo)準(zhǔn)化

10、典型判別式函數(shù) 表8為非標(biāo)準(zhǔn)化的判別函數(shù)，我們可以根據(jù)這個(gè)判別函數(shù)計(jì)算每個(gè)觀測(cè)的判別Z得分。表9反映判別函數(shù)在各組的重心。根據(jù)結(jié)果，判別函數(shù)在group=1這一組的重心為（-0.210，-0.730），在group=2這一組的重心為（3.964,1.263），在group=3這一組的重心為（-2.725,1.905）。這樣，我們就可以根據(jù)每個(gè)觀測(cè)的判別Z得分將觀測(cè)進(jìn)行分類。 表10 組的先驗(yàn)概率 group 先驗(yàn) 用于分析的案例 未加權(quán)的 已加權(quán)的 dimension0 1 .333 46 46

11、.000 2 .333 10 10.000 3 .333 11 11.000 合計(jì) 1.000 67 67.000 表11 分類結(jié)果b,c group 預(yù)測(cè)組成員 合計(jì) 1 2 3 初始 計(jì)數(shù) 1 46 0 0 46 2 0 10 0 10 3 2 0 9 11 未分組的案例 6 3 3 12 % 1 100.0 .0 .0 100.0 2 .0 100.0 .0 100.0 3 18.2 .0

12、 81.8 100.0 未分組的案例 50.0 25.0 25.0 100.0 交叉驗(yàn)證a 計(jì)數(shù) 1 45 0 1 46 2 1 9 0 10 3 2 0 9 11 % 1 97.8 .0 2.2 100.0 2 10.0 90.0 .0 100.0 3 18.2 .0 81.8 100.0 a. 僅對(duì)分析中的案例進(jìn)行交叉驗(yàn)證。 在交叉驗(yàn)證中，每個(gè)案例都是按照從該案例以外的所有其他案例派生的函數(shù)來(lái)分類的。 b. 已對(duì)初始分組案例中的 97.0% 個(gè)進(jìn)行了正確分類。 c. 已對(duì)交叉驗(yàn)證分組案例中的 94.0% 個(gè)

13、進(jìn)行了正確分類。 表10為各組的先驗(yàn)概率，在分類選項(xiàng)中選擇的是所有組的先驗(yàn)概率相等。 表11為分類矩陣表，這里交叉驗(yàn)證是采用“留一個(gè)在外”的原則，即每個(gè)城市是通過(guò)除了這個(gè)城市以外的其他城市推導(dǎo)出來(lái)的判別函數(shù)來(lái)分類的。由該表可以看出，通過(guò)判別函數(shù)預(yù)測(cè)，有65個(gè)城市是分類正確的，其中，group=1組46個(gè)城市全部被判對(duì)，group=2組的10個(gè)城市也全部被判對(duì)，group=3組11個(gè)城市中有9個(gè)被判對(duì)，即有97%的原始城市被判對(duì)。在交叉驗(yàn)證中，三組中分別有45、9、9個(gè)城市被判對(duì)，交叉驗(yàn)證有94%的城市被判對(duì)。 圖三 圖三為分類結(jié)果圖，從圖中可以看到第2組與第3組可以很清晰地分開(kāi)，與

14、第1組也能分開(kāi)，而第3組和第1組存在重合區(qū)域，即存在誤判。 同時(shí)，根據(jù)對(duì)待判城市的判別可以看出：在13個(gè)待判城市中，宿州、廣安、河地被判到了第3組，佛山、蘇州、東營(yíng)被判到了第2組，咸陽(yáng)、盤(pán)錦、漢中、保定、寶雞、衡陽(yáng)被判到了第1組，而以純由于只有環(huán)境效率標(biāo)準(zhǔn)指數(shù)的值，其他變量值確實(shí)，系統(tǒng)未對(duì)其進(jìn)行判別。 2）貝葉斯判別法： 圖四 圖五 貝葉斯判別法輸出的結(jié)果與Fisher判別法很大程度上是一致的，這里不再列出。 表12 組的先驗(yàn)概率 group 先驗(yàn) 用于分析的案例 未加權(quán)的 已加權(quán)的

15、 dimension0 1 .687 46 46.000 2 .149 10 10.000 3 .164 11 11.000 合計(jì) 1.000 67 67.000 表13 分類函數(shù)系數(shù) group 1 2 3 綜合效率標(biāo)準(zhǔn)指數(shù) -89.225 -137.370 -110.980 經(jīng)濟(jì)效率標(biāo)準(zhǔn)指數(shù) 18.318 47.236 15.041 結(jié)構(gòu)效率標(biāo)準(zhǔn)指數(shù) 112.414 126.246 122.679 社會(huì)效率標(biāo)準(zhǔn)指數(shù) 61.509 87.

16、864 57.179 人員效率標(biāo)準(zhǔn)指數(shù) 77.419 85.768 115.125 發(fā)展效率標(biāo)準(zhǔn)指數(shù) 57.663 102.980 60.184 (常量) -46.457 -74.840 -66.632 Fisher 的線性判別式函數(shù) 表12為各族的先驗(yàn)概率，在分組選項(xiàng)中選擇的是“根據(jù)組大小計(jì)算”。 表13展示了每組的分類函數(shù)，也稱費(fèi)歇線性判別函數(shù)，由表中的結(jié)果可以說(shuō)明：group=1這一組的分類函數(shù)為： =- 46.457-89.225綜合效率標(biāo)準(zhǔn)指數(shù)+18.318經(jīng)濟(jì)效率標(biāo)準(zhǔn)指數(shù) +112.414結(jié)構(gòu)效率標(biāo)準(zhǔn)指數(shù)+61.509社會(huì)效率標(biāo)準(zhǔn)指數(shù) +77.

17、419人員效率標(biāo)準(zhǔn)指數(shù)+57.663發(fā)展效率標(biāo)準(zhǔn)指數(shù) 其他兩組的分類函數(shù)同樣可以寫(xiě)出，我們可以根據(jù)每個(gè)城市在各組的分類函數(shù)值然后將城市分類到較大的分類函數(shù)值中。 表14為貝葉斯判別的分類結(jié)果，其交叉驗(yàn)證有95.5%的城市被判對(duì)，這一概率比Fisher判別要高。 表14 分類結(jié)果b,c group 預(yù)測(cè)組成員 合計(jì) 1 2 3 初始 計(jì)數(shù) 1 46 0 0 46 2 0 10 0 10 3 2 0 9 11 未分組的案例 6 3

18、 3 12 % 1 100.0 .0 .0 100.0 2 .0 100.0 .0 100.0 3 18.2 .0 81.8 100.0 未分組的案例 50.0 25.0 25.0 100.0 交叉驗(yàn)證a 計(jì)數(shù) 1 46 0 0 46 2 1 9 0 10 3 2 0 9 11 % 1 100.0 .0 .0 100.0 2 10.0 90.0 .0 100.0 3 18.2 .0 81.8 100.0 a. 僅對(duì)分析中的案例進(jìn)行交叉驗(yàn)證。 在交叉驗(yàn)證中，每個(gè)案例都是按照從該案例以

19、外的所有其他案例派生的函數(shù)來(lái)分類的。 b. 已對(duì)初始分組案例中的 97.0% 個(gè)進(jìn)行了正確分類。 c. 已對(duì)交叉驗(yàn)證分組案例中的 95.5% 個(gè)進(jìn)行了正確分類。 五、討論與結(jié)論 （1）由前面的分析我們知道，協(xié)方差矩陣并不相等，考慮采用分組協(xié)方差矩陣。在分類中使用協(xié)方差矩陣“分組（P）”，其他選擇同上，得到分類結(jié)果表如下。 分類結(jié)果a group 預(yù)測(cè)組成員 合計(jì) 1 2 3 初始 計(jì)數(shù) 1 44 0 2 46 2 0 10 0 10 3 0 0 11 11 未分組的案例 6 3 3 12 % 1 95.

20、7 .0 4.3 100.0 2 .0 100.0 .0 100.0 3 .0 .0 100.0 100.0 未分組的案例 50.0 25.0 25.0 100.0 a. 已對(duì)初始分組案例中的 97.0% 個(gè)進(jìn)行了正確分類。 可以看出這個(gè)結(jié)果與采用組內(nèi)協(xié)方差矩陣的預(yù)測(cè)效果沒(méi)有明顯的差別，而且分類結(jié)果圖與圖三也沒(méi)有很大的差異，因此，可以采用組內(nèi)協(xié)方差矩陣來(lái)進(jìn)行判別。 （2）之前的分析是采用“一起輸入自變量”的方法，由表1可知，在0.05的顯著性水平上不能拒絕結(jié)構(gòu)效率標(biāo)準(zhǔn)指數(shù)和環(huán)境效率標(biāo)準(zhǔn)指數(shù)在三組的均值相等的假設(shè)，考慮“使用步進(jìn)式方法”，最終

21、確定進(jìn)入分析的變量有3個(gè)：經(jīng)濟(jì)效率標(biāo)準(zhǔn)指數(shù)、人員效率標(biāo)準(zhǔn)指數(shù)、發(fā)展效率標(biāo)準(zhǔn)指數(shù)，上表給出了最終的分類結(jié)果，可以看出，在原有數(shù)據(jù)的所有城市中，有95.5%的城市被判對(duì)，在交叉驗(yàn)證中有92.5%的城市被判對(duì)。沒(méi)有“一起輸入自變量”時(shí)的效果好，但是在最終對(duì)待判城市的分組問(wèn)題上，兩種方法所得到的結(jié)果是一致的，在這里兩種方法的選擇對(duì)我們所需要的結(jié)果影響不是很大！ 分類結(jié)果b,c group 預(yù)測(cè)組成員 合計(jì) 1 2 3 初始 計(jì)數(shù) 1 45 1 0 46 2 0 10 0 10 3 2 0 9 11 未分組的案例 6 3 3

22、12 % 1 97.8 2.2 .0 100.0 2 .0 100.0 .0 100.0 3 18.2 .0 81.8 100.0 未分組的案例 50.0 25.0 25.0 100.0 交叉驗(yàn)證a 計(jì)數(shù) 1 44 2 0 46 2 1 9 0 10 3 2 0 9 11 % 1 95.7 4.3 .0 100.0 2 10.0 90.0 .0 100.0 3 18.2 .0 81.8 100.0 a. 僅對(duì)分析中的案例進(jìn)行交叉驗(yàn)證。 在交叉驗(yàn)證中，每個(gè)案例都是按照從該案例以外的所有其他案例派生的函數(shù)來(lái)分類的。 b. 已對(duì)初始分組案例中的 95.5% 個(gè)進(jìn)行了正確分類。 c. 已對(duì)交叉驗(yàn)證分組案例中的 92.5% 個(gè)進(jìn)行了正確分類。