判别分析的SPSS实现数据分析

《判别分析的SPSS实现数据分析》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、判别分析的SPSS实现SPSS提供的建立判别函数的方法有：1.全模型法：把所有的变量放入判别函数中2.逐步判别法判别分析的步骤对于分为m类的研究对象，建立m个线性判别函数，对测试的样本代入判别函数，得出判别得分，从而确定该样本属于哪一类。DiscriminantDiscriminant对话框GroupingVariable：已知的观测量所属类别的变量（分类变量）Independents：观测量，即参与判别分析的变量。UseStepwisemethod：当不认为所有自变量都能对观测量特性提供丰富的信息

2、时，使用该选择项。因此根据对判别贡献的大小进行选择。Enterindependenttogether：当所有自变量都能对观测量特性提供丰富的信息时，使用该选择项。选择该项将不加选择地使用所有自变量进行判别分析，建立全模型。不需要进一步进行选择。选择分类变量及其范围在主对话框中左面的矩形框中选择表明已知的观测量所属类别的变量（一定是离散变量，按上面一个箭头按钮，使该变量名移到箭头按钮右面，“GroupingVariable”下面的矩形框此时矩形框下面的“Definerange…”按钮加亮，按该按钮，屏

3、幕显示一个小对话框，供指定该分类变量的数值范围。定义分类变量范围的小对话框如下图所示。在"Minimum："后面的矩形框中输入该分类变量的最小值；在"Muximurn："后面的矩形框中输入该分类变量的最大值。分类变量范围对话框2指定判别分析的自变量在主对话框的左面的变量表中选择表明观测量特征的变量，按下面一个箭头按钮，把选中的变量移到“Independents:”下面的矩形框中，作为参与判别分析的变量。Indepents对话框数据变量输入框数据判别分析完成前面四步骤的操作即可使用各种系统默认值对工作

4、数据集的数据进行判别分析了。可以使用的方法有两种：(1)直接运行：在主对话框中按（用鼠标单击）"Ok"按钮(2)生成SPSS命令程序后再运行：在主对话框中按"Paste"按钮，激活"Syntax"窗，在该窗中按"Run"按钮执行该语句窗中的程序。无论哪种方法均可在"output"窗中显示出分析结果。完全使用系统默认值进行判别分析，其结果有时不能令人满意，因此根据以下步骤指定选择项是很有必要的。选择观测量如果希望使用一部分观测量进行判别函数的推导，而且有一个变量的某个值可以作为某些观测量的标识，则用S

5、elect功能进行选择。操作方法是，单击“Select”按钮展开小选择框，在“Vaiable：”后面矩形框中输入该变量的变量名，在“Value：”后面输入标识参与分析的观测量所具有的该变量值。一般均使用数据文件中的所有合法观测量。此步骤可以省略。Select功能选择选择分析方法在主对话框中自变量矩形框下面有两个选择项，被选中的方法前面的圆圈中加有黑点。这两个选择项是选择判别分析方法的。（1）Enterindependenttogether当你认为所有自变量都能对观测量特性提供丰富的信息时，使用该选择

6、项。选择该项将不加选择地使用所有自变量进行判别分析，建立全模型。不需要进一步进行选择。（2）UseStepwisemethod当你不认为所有自变量都能对观测量特性提供丰富的信息时，使用该选择项。因此根据对判别贡献的大小进行选择。当鼠标单击该项时，"Method"按钮加亮。可以进一步判别分析方法。单击“Method”按钮，展开“Stepwisemethod”对话框（子对话框）如下图所示。Stepwisemethod对话框①选择进行逐步判别分析的方法选择判别分析方法在Method组的矩形框中进行。可供选

7、择的判别分析方法有：●Wilks'lambda使Wilk的统计量最小化法。●Unexplainedvariance使各类不可解释的方差和最小化法。●Mahalanobis'distance使最近两类间的Mahalanobis距离最大化法。●SmallestFratio。使任何两类间的最小的F值最大化法。●Rao'V使RaoV统计量最大化。可以对一个要加入到模型中的变量的V值指定一个最小增量。选择此种方法后，应该在该项下面的"Vtodntce'"后的矩形框中输这个增量的指定值。②选择逐步判别停止的判据

8、选择逐步判别停止的判据在criteria组的矩形框中进行。可供选择的判据有：UseFvalue：使用F值，是系统默认的判据，默认值是：Entry：3.84；removal：2.71。即当被加入的变量F值＞=3.84时才把该变量加入到模型中，否则变量不能进入模型；或者，当要从模型中移出的变量F值＜=2.71时，该变量才被移出模型，否则模型中的变量不会被移出。应该使Entry值（加入变量的F值）＞removal值（移出变量的F值）UseprobabilityofF：使用F