判别分析实例

判别分析实例第一页，共十八页，2022年，8月28日研究目的：

使用先前博士研究生的信息来预测后来学生是否能成功完成毕业项目。包括10-7年前50个学生的信息。因变量是category(1代表完成了博士学业，2代表没有）。用17个预测变量预测被试在两组中的从属关系，这些变量为：gender:性别，1代表女性，2代表男性age:被试当时的年龄marital：婚姻状况，1代表已婚，2代表单身gpa:未毕业时总的GPAareagpa:专业领域的GPAgrearea:GRE考试中专业领域的得分第二页，共十八页，2022年，8月28日grequant:GRE考试中数学部分的得分greveral:GRE考试中词汇部分的得分letter1：三封推荐信中的第一封（1代表很弱，9代表很强）letter2：三封推荐信中的第二封（评分同上）letter3：三封推荐信中的第三封（评分同上）motive:申请者的动机水平（从1到9分别代表从低到高）stabe:申请者的情绪稳定性（从此项开始评分标准都同上）resourse:财力和支持系统interact:申请者与同事和导师友好相处的能力hostile：申请者的内心敌对程度inpress:选择者进行面试后的印象第三页，共十八页，2022年，8月28日SPSS操作程序在因变量category的基础上预测被试对两组的从属关系。用17个自变量来建立判别方程。选择stepwise过程，采用使wilks'lamabda最小化的方法，加入变量的标准F值为1.15，移除变量的标准F值为1.00；然后，选择Mean,Box'sM(多元正态性检验）和UnivariateANOVA（检验所有自变量在各组间有无差别），以便对自变量的单变量特征有更全面的理解，计算unstandarddized(基于判别变量原始分数建立的判别函数的非标准化系数)Fisher'sfounctioncoefficients（规范判别函数系数）。输出部分：选择Combined-groupsplot(包括2个组别的直方图),Resultforeachcase（所有被试的真实分组信息）和Summarytable（累计每组正确分类和未正确分类数目及百分比）第四页，共十八页，2022年，8月28日结果分析第五页，共十八页，2022年，8月28日结果分析第六页，共十八页，2022年，8月28日significance值等于0.024表示数据与多元正态分布存在显著差异。但显著性小于.05并不代表不能进行判别分析。有发现证明，即使在多元正态性被违反的条件下，判别函数仍经常运行得相当好。因为这个值很低，因此比较好的做法是查看包含在分析中的一些变量的一元正态性（univariate)。如，性别变量不是正态分布，但放入性别变量却能提高判别方程的功能。判别分析能够容忍不符合正态的情况：Asamplesizeofabout20inthesmallestcellshouldensurerobustnesstoviolationofnormalityaslongassamplesizeareequalandtwo-tailedtestsareused第七页，共十八页，2022年，8月28日结果分析第八页，共十八页，2022年，8月28日结果第九页，共十八页，2022年，8月28日第十页，共十八页，2022年，8月28日第十一页，共十八页，2022年，8月28日第十二页，共十八页，2022年，8月28日根据上表可以得出分类判别函数：完成博士学位=-394.5+11.8x性别+3.73x专业GRE成绩-3.48xGRE语言成绩+18.86x推荐信2+17.54x推荐信3+12.35x动机水平+3.66x财力和支持系统+2.9x被试当时的年龄+9.34X选择者进行面试后的印象未完成博士学位=-369.5+14.99x性别+3.98x专业GRE成绩-3.73xGRE语言成绩+20x推荐信2+16.23x推荐信3+10.78x动机水平+3.1x财力和支持系统+2.59x被试当时的年龄+8.51x选择者进行面试后的印象第十三页，共十八页，2022年，8月28日存在问题由于本数据为虚拟数据，被试量为50，以及分类只有两类等原因，有很多关于判别分析的事项需要注意：最小的组中的记录数是否显著超过预测变量的数目，是否产生过度拟合的问题？第十四页，共十八页，2022年，8月28日第