《多元统计判别分析》由会员分享，可在线阅读，更多相关《多元统计判别分析（7页珍藏版）》请在装配图网上搜索。

1、大连民族学院数学实验报告课程：多元统计分析实验题目：判别分析系别：理学院专业：信息与计算科学姓名：历红影班级：信息102班指导教师：滕颖俏完成学期：2013年5月9日实验目的：学习利用SPSS进行判别分析，对2005年31个省、直辖市、自治区城镇居民月平均消费类型划分；加深对判别分析的理解，学习解决现实生活中的分类问题；3学会将两个待分组省区归类。实验内容：（问题数学模型要求关键词）2005年全国城镇居民月平均消费状况可划分为两类，分类后的数据见下表，试建立费歇线线性判别函数，并将广东西藏两个待判省区归类。2005年31个省直辖市自治区城镇居民月平均消费类型划分数据X1人均粮食支出（元/人）X

2、5人均衣着支出（元/人）X2人均副食支出（元/人）X6人均日用杂品支出（元/人）X3人均烟、酒、饮料支出（元/人）X7人均水电燃料支出（元/人）学号地区x1x2x3x4x5x6x7x8group1北京21.3124.8935.4373.9893.0120.5843.97433.7312上海21.13168.6940.8170.1274.3215.4650.9422.7413浙江19.96142.2443.3350.74101.7712.9253.44394.5514天津21.5122.3929.0851.7455.0411.354.88288.1325河北18.2590.2124.4532.4

3、462.487.4547.5178.8426山西21.8466.3818.0531.3274.488.1934.97182.227内家古21.3767.0820.2835.2781.0710.9439.46182.228辽宁22.74115.8828.2142.4458.079.6348.65194.8529吉林20.2288.9418.5435.6365.728.8150.29186.52210黑龙江21.3375.51429.5669.298.2442.08165.9211江苏18.61122.5127.0742.563.4715.3836.14240.92212安徽19.61107.13

4、32.8535.7761.347.5334.6142.23213福建25.56171.6522.340.5357.1312.654.03225.08214江西18.75104.6815.5535.6151.811.1836.27142.72215山东18.2788.3419.0743.1972.9712.5942.16200.18216河南19.0773.1818.0129.3864.518.9138.14155.452X4人均其他副食支出（元/人）X8人均其他非商品支出（元从）17湖北18.76102.6721.8730.4764.3311.9942.14168.17218湖南20.2510

5、4.4520.7238.1562.9812.6739.16213.56219广西18.7131.3511.6932.0641.5410.8442.77178.51220海南16.16139.9212.9823.5824.8710.7632.35144.21221重庆18.18120.3926.1837.9468.1611.6438.48246.37222西川18.53109.9521.4933.0450.9810.8833.96183.85223贵州18.3392.4325.3832.1956.321438.57144.82224云南22.399.0833.3632.0152.067.0432

6、.85190.04225陕西20.0370.7519.7534.9553.2910.5538.2189.41226甘肃18.6872.7423.7238.6962.419.6535.26170.12227青海20.3375.6420.8833.8553.8110.0632.82171.32228宁夏19.7570.2418.6736.7161.7510.0840.26165.22229新疆21.0378.5514.3534.3364.989.8333.87161.6721广东23.68173.3017.4343.5953.6616.8665.02385.942西藏29.67146.9064.5

7、154.3686.1014.7732.19193.10实验方法和步骤（包括数值公式算法步骤程序）：在Spss中进行判别分析的统计分析过程由主采单的Analyze下拉采单中Classify功能中的Discriminant过程实现。1、选择Analyze宀Classify宀Discriminant，打开DiscriminantAnalysis主对话框。2当选择group变量作为组变量后，DefineRange：按钮被激活，单击之，可打开DiscriminantAnalysis:DefineRange子对话框中，定义判别原始数据的类别区间，本例为两类，故在Minimum处输入1,在Maximum处输

8、入2,点击Continue返回DiscriminantAnalysis对话框。3单击Statistics按钮，打开Statistics子对话框，在Descriptive栏中选Means:自变量总均值、总标准差、组内均值和标准差；要求对各组变量作均数与标准差的描述；在FunctionCoefficients栏中选Unstandardized项（注意不是Fishers项！），要求显示费歇判别法建立的非标准化系数。之后点击Continue”返回DiscriminantAnalysis对话框。4单击Save按钮，打开DiscriminantAnalysis:Save子对话框，选Predictedgro

9、upmembership项要求将回判结果存入原始数据库中，点击Continue返回DiscriminantAnalysis对话框。5其他项目不变，点击“0K”即完成分析。实验数据和分析:结果1:表1:AnalysisCaseProcessingSummaryUnweightedCasesNPercent2993.5Valid26.5Missingoroutofrangegroupcodes0.0AtleastonemissingdiscriminatingvariableExcludedBothmissingorout-of-rangegroupcodesandat0.0leastonemis

10、singdiscriminatingTotalTotal26.531100.0表2：GroupStatisticsgroupMeanStd.DeviationValidN(listwise)UnweightedWeighted1.00x120.7967.7295433.000x2145.273322.0569933.000x339.85674.0353633.000x464.946712.4537933.000x589.700014.0211533.000x616.32003.9017433.000x749.43674.9016633.000x8417.006720.2094433.0002.

11、00x119.92881.926132626.000x298.539626.086792626.000x321.48085.721002626.000x435.51355.594572626.000x559.801911.005512626.000x610.49002.028952626.000x739.99466.417392626.000x8185.095834.746582626.000Totalx120.01861.850102929.000x2103.374129.191702929.000x323.38177.926092929.000x438.558311.056282929.0

12、00x562.894814.424042929.000x611.09312.833362929.000x740.97146.859342929.000x8209.086679.205162929.000上面俩表输出结果分析的是各组的描述统计量和对各组均值是否相等的检验。表1反映的是有效样本量及变量缺失的情况；表2是各组变量的描述统计分析。结果2:表3:EigenvaluesFunctionEigenvalue%ofVarianeeCumulative%CanonicalCorrelation16.116(a)100.0100.0.927aFirst1canonicaldiscriminantf

13、unctionswereusedintheanalysis.表4：WilksLambda:TestofWilksChi-squaFunction(s)LambdaredfSig.1.14145.1338.000这两个表输出的的结果是典型判别函数。表3反映判别函数的特征值、解释方差的比例和典型相关系数。表4是对两个判别函数的显著性检验。由Wilksambda检验，认为判别函数在0,05的显著性水平上是显著的。结果3:表5:StandardizedCanonicalDiscriminantFunctionCoefficientsFunction1x1x2x3x4x5x6x7x8-.346.383.

14、001.161.530-.227-.372.921表6:StructureMatrixFunction1x8x4x3x5x6x2x7x1.874.590.418.339.335.231.191.059Pooledwithin-groupscorrelationsbetweendiscriminatingvariablesandstandardizedcanonicaldiscriminantfunctionsVariablesorderedbyabsolutesizeofcorrelationwithinfunction.表7：CanonicalDiscriminantFunctionCoef

15、ficientsFunction1Functiongroup11.007025200-.811Unstandardizedcoefficients表8:FunctionsatGroupCentroids:x1-.185x2.015x3.000x4.025x5.047x6-.102x7-.059x8.027(Constant)-3.894Unstandardizedcanonicaldiscriminantfunctionsevaluatedatgroupmeans这些输出结果显示的是判别函数，判别载荷和各组的重心。表5是标准化的判别函数;表6是结构矩阵，即判别载荷，由判别权重和判别载荷可以看出

16、，那些解释变量对判别函数的贡献较大；表7是非标准化的判别函数，我们可以根据判别函数计算每个观测值的判别Z得分；表8是反映判别函数在各组的重心。结果4:表9：ClassificationProcessingSummary:Processed31ExcludedMissingorout-of-range0groupcodesAtleastonemissing0discriminatingvariableUsedinOutput31表10:PriorProbabilitiesforGroupsgroupPriorCasesUsedinAnalysisUnweightedWeighted1.002.0

17、0Total.500.5001.000326293.00026.00029.000上面的输出结果是分类统计结果。表9概括了分类过程，说明31个观测都参与分类。表10说明各组的先验概率，我们在Classify选项中选择的是所有组的先验概率相等。返回数据表中，可以看到判别结果已经作为一个新的变量被保存，广东和西藏被划分到第二大实验的启示:1、通过本次实验学会利用所学统计知识分析生活中的问题，加深对判别分析原理的理解;2、进一步运用SPSS软件解决关于判别分析方面具体的问题，同时还有更多知识需要我们学习；3、对于比较复杂的判别分类问题可以采用spss软件进行分类，既方便结果又准确；4、对不同的地区或采用不同的解释变量分，得到不同的判别结果。