多元统计分析-判别分析实验报告

多元统计解析——鉴别解析实验报告多元统计解析——鉴别解析实验报告11/11多元统计解析——鉴别解析实验报告.学生实验报告学院：课程名称：多元统计解析专业班级：姓名：学号：..学生实验报告学生姓名学号同组人实验项目鉴别解析□必修□选修□演示性实验□考证性实验□操作性实验□综合性实验实验地址实验仪器台号指导教师实验日期及节次一、实验目的及要求：1、目的熟习SPSS统计软件，学会在统计软件SPSS中进行鉴别解析，并经过鉴别解析输出结果图，再进行鉴别解析。依据输出结果，把未分组的判给距离周边那组。2、内容及要求⑴熟习spss软件相关鉴别解析的操作；⑵利用spss软件解析鉴别解析课后练习第六题，判断待判组的种类归属；⑶输出并解说解析结果并达成实验报告。二、仪器器具：仪器名称规格/型号数目备注计算机1有网络环境SPSS软件1..三、实验方法与步骤:步骤一：将数据复制到SPSS中，经过编写后形成某地域人口死亡情况的数据集，如图1所示。图1某地域人口死亡情况的观察数据..步骤二：依据要求，采纳系统聚类方法，在SPSS中选择解析-分类-鉴别解析如图2。图2鉴别解析步骤三：进行鉴别解析，将X1到X6所有选入自变量中，分组变量为组别，如图3。..图3鉴别解析选项框步骤四：在统计量选项框中选择均值，单变量，Box’sM等，如图4；分类选项中勾选个案、纲领等，如图5。图4统计量选项框图5分类选项框..四、实验结果与数据办理：1．查验各组的描绘统计量和对各组均值能否相等：1AnalysisCaseProcessingSummaryUnweightedCasesNPercentValid15ExcludedMissingorout-of-range4groupcodesAtleastonemissing0.0discriminatingvariableBothmissingor0.0out-of-rangegroupcodesandatleastonemissingdiscriminatingvariableTotal4Total191反应的是有效样本量为15，变量的缺失值为4。2TestsofEqualityofGroupMeansWilks'LambdaFdf1df2Sig.X1.997.019212.981X2.990.061212.941X3.645212.072X4.438212.007X5.174212.000X6.926.478212.631表2是对各组均值能否相等的查验，依据P值，我们可以在0.01的明显性水平上拒绝X4与X5在三组的均值相等的假定，即以为变量X4、X5在三组的均值是有明显差其余。典型鉴别函数：3EigenvaluesFunctionCanonicalEigenvalue%ofVarianceCumulative%Correlation159.330a.992.693a.6402a.First2canonicaldiscriminantfunctionswereusedintheanalysis.4Wilks'LambdaTestofFunction(s)Wilks'LambdaChi-squaredfSig.1through2.01012.0002.5915.416..由表3可以得出：第一鉴别函数解说了98.8%的方差，第二鉴别函数解说了1.2%的方差，两个鉴别函数解说了所有的方差。表4是对两个鉴别函数的明显性查验，Wilkins’Lambda查验，在0.05的明显性水平上，依据P值可以获得，第一个鉴别函数是明显的，第二个鉴别函数是不明显的。鉴别函数、鉴别载荷和各组的重心：5StandardizedCanonicalDiscriminantFunctionCoefficientsFunction12X1X2X3X4X5.710X66StructureMatrixFunction12X1.007*X5.280*X4.145*X3.096.104*X2.007.103*X6.092*7CanonicalDiscriminantFunctionCoefficientsFunction12X1X2X3X4.825X5.102.054X6.706(Constant)..8FunctionsatGroupCentroids组别Function12123表5是标准化的鉴别函数，表示为：6为构造矩阵，即鉴别载荷，表四是反应鉴别函数在各组的重心7是非标准化的鉴别函数，表示为：4．分类的统计结果：8ClassificationFunctionCoefficients组别123X1X2X3X4X5X6(Constant)Fisher'slineardiscriminantfunctions表8是每组的分类函数，也称费歇线性鉴别函数，三组的分类函数表示为：可以依据计算每个观察在各组的分类函数值，将观察分类到较大的分类函数值中。..9ClassificationResultsb,c组别PredictedGroupMembership123TotalOriginalCount150052050530055Ungroupedcases1124%1.0.02.0.03.0.0UngroupedcasesCross-validatedaCount150052140532035%1.0.02.03.0表9为分类矩阵表，经过鉴别函数的展望，依据原数据的所属组关系，3组观察所有被判对，未分组的变量中有一个待判样品判给第一组，有一个待判样品判给第二组，有两个待判样品判给第三组。在交织考证中，第一组5个样品所有被判对，第二组5个样品观察中有4个被判对，第三组5个样品观察中有3个被判对。图6分类结果依据上图6分类结果可以看出：第二组样品与第一组样品和第三组样品可以很清楚地域分开，而第一组与第三组样品存在重合地域，即存在误判。..CasewiseStatisticsCasHighestGroupSecondHighestGroupDiscriminantScoreseP(D>d|G=g)SquaredSquaredNumMahalanobisMahalanobisberActualPredictedP(G=gDistancetoP(G=gDistancetoFunctionFunctionGroupGrouppdf|D=d)CentroidGroup|D=d)Centroid12O111.8462.3343.000R211.8762.2663.000I311.9422.1193.000G411.7562.999.5613.001.628I511.8002.4453.000.346N622.7892.4741.000.219Al722.6592.8351.000822.05021.000922.09121.0001022.9552.0921.0001133.9362.1321.0001233.8362.3591.0001333.07621.0001433.1782.9051.0951533.6072.997.9981.00316ungrouped3.00021.00017ungrouped1.7452.999.5883.001.83418ungrouped2.00021.00019ungrouped3.31021.000C111.96663.000R211.93963.000O311.98263.000S411.9336.9983.002S511.2786.9983.002-622.00061.000va721.00062.000l822.00061.000i922.00061.000d1022.00061.000a1133.89861.000t1233.