【文章內(nèi)容簡介】 密度估計的輸出 SAS數(shù)據(jù)集。 ? testout=數(shù)據(jù)集名 —— 生成一個輸出 SAS數(shù)據(jù)集。包含來自 testdata指定數(shù)據(jù)集的所有數(shù)據(jù)，后驗概率和每個觀測被分 入 的類。當 canonical選項指定時，該數(shù)據(jù)集還包括典型變量得分的新變量。 ? testoutd=數(shù)據(jù)集名 —— 生成一個包含 testdata 指定數(shù)據(jù)集的所有數(shù)據(jù)和對每一觀測的組 密度估計的輸出 SAS數(shù)據(jù)集。 2. 有關判別分析的類型和規(guī)則選項 ? method＝ normal | npar—— 確定導出分類準則的方法，默認值為 method= normal。當指定 method= normal時，基于類內(nèi)服從多元正態(tài)分布，并導出線性或二次判別函數(shù)；當ed6e74e0641c5cc279a1942ed79030e9 商務數(shù)據(jù)分析 電子商務系列 上海財經(jīng)大學經(jīng)濟信息管理系 IS/SHUFE Page 12 of 70 指定 method=npar時，采用非參數(shù)方法。 ? pool= no| test | yes—— 確定平方距離的度量，是以合并協(xié)方差陣還是組內(nèi)協(xié)方差陣為基礎，默認值為 pool= yes。當 pool= yes 時，采用合并協(xié)方差陣得出線性判別函數(shù)；當pool＝ no 時，采用單個組內(nèi)協(xié)方差陣得出二次判別函數(shù)；當 method= normal時， pool=test要求對組內(nèi)協(xié)方差陣的齊性的似然比檢驗進行 Bartlett修正，當不加選擇項 short時，線性判別函數(shù)會直接給出，而二次型判別函數(shù)需通過建立輸出數(shù)據(jù)集方式獲得。 ? slpool= p—— 指定齊性檢驗的顯著水平。只 有 當 pool=test 指定時才選擇 slpool=選項。如果 pool=test 而 slpool＝未指定，顯著水平為 。 ? threshold= p—— 指定分類中可以接受的最小后驗概率 p值。缺省值 p=0。如果某觀察樣品歸屬于某組的最大后驗概率值小于這個 p 值，那么這個觀察樣品歸入 OTHER（已知組外的組）組。 ? anova 和 manova 選項 —— 分別要求輸出對各類的單個變量與多個變量的均數(shù)、均值向量之間進行一元或多元方差分析的結果，其作用就是檢驗判別函數(shù)的判別效果。 ? listerr 和 crosslisterr 選項 —— listerr 表示要求僅僅輸出由后驗概率產(chǎn)生錯誤分類的那些樣品點的有關信息， crosslisterr 表示要求以交叉表的形式輸出實際類別與分類結果之間一致和不一致的有關信息。 3. 有關非參數(shù)法的選項 ? k=數(shù)值 —— 為 k最近鄰規(guī)則指定一個 k值。觀察 x分入一個組基于從 x的 k個最近鄰得到的信息。 ? r=數(shù)值 —— 為核密度估計指定一個半徑 r 值。 ? kernel=biw/epa/nor/tri/uni—— 為估計組密度指定一個核密度，缺省值為 uni。 ? metric=diagonal/full/identity—— 為平方距離的計算指定量度。缺省值為 full。 4. 其他主要語句 ? var 語句 —— 指定用于進行判別分析的變量子集，建立起關于此變量子集的判別函數(shù)式。 ? priors 語句 —— 指定先驗概率，它有 3種指定方法， ① priors equal，表示各類先驗概率相等，缺省值； ② priors proportional， 表示各類先驗概率等于各類樣本頻率； ③ priors a=p1 b=p2 c=p3， 其中 a、 b 和 c 是分類標志， p p2 和 p3 是先驗概率， p1+p2+p3=1。 五、 Candisc 典型判別分析過程 candisc 過程完成典型判別分析，計算平方 Mahalanobis 距離并做單變量與多變量的單向方差分析并且計算類均值間基于合并類內(nèi)協(xié)方差陣的平方距離（ Mahalanobis 距離）。該過程產(chǎn)生包括典型系數(shù)和典型變量得分的輸出數(shù)據(jù)集。 典型判別分析是與主成 分 分析和典型相關有關的降維方法。給定兩組或更多組帶有幾個定量變量的觀察，典型判別分析得出與組有最大可能多重相關的變量的線性組合。最大的多重相關叫做第一典型相關。線性組合的系數(shù)稱為典型系數(shù)或典型權重。線性組合定義的變量稱為第一典型變量或典型成 分 。第二典型相關由與第一典型變量無關的線性組合得到，該組合應與組有最大可能多重相關。抽取典型變量的過程可以重復直到典型變量的個數(shù)等于原始變量的個數(shù)或類的個數(shù)減一。 candisc 得出的典型變 量，如同主成分概括全變差一樣來概括類ed6e74e0641c5cc279a1942ed79030e9 商務數(shù)據(jù)分析 電子商務系列 上海財經(jīng)大學經(jīng)濟信息管理系 IS/SHUFE Page 13 of 70 間變差。典型判別分析相當于執(zhí)行了以下步驟： ? 變換變量使合并的類內(nèi)協(xié)方差陣為單位陣； ? 計算變換后的變量的類均值； ? 對均值做主成 分 分析，以每一類中的觀察個數(shù)為權重； ? 特征值等于每一個主成 分 方向上的類間偏差與類內(nèi)偏差之比； ? 把主成 分 變量反變換到原始變量的空間，獲得典型變量。 典型變量間不相關，但典型系數(shù)并不正交。因此，典型變量并不代表原始變量空間中的正交方向。對每一個典型相關， candisc 檢驗總體中該相關及更小的典型相關為零的假設。采用 F 近似值比一般的 2? 近似值能給出更好的小樣本結果。每一類內(nèi)變量應該具有近似的多元正態(tài)分布，為了概率水平有效，方差陣應該是共同的。第一典型相關大于等于組與任何一個原始變量間的多重相關。 該過程產(chǎn)生一個包含每一典型變量得分的輸出數(shù)據(jù)集?？梢岳?print 過程列出這些值，還可以用 plot 過程作出典型變量對的散點圖以助于直觀地解釋組的不同。另一個輸出數(shù)據(jù)集包含由 factor 過程利用旋轉算法得到的典型系數(shù)。 candisc 過程一般由下列語句控制： proc candisc 選項列表 ； class 變量； by 變量表； freq 變量； var 變量表； weight 變量； run； 1. proc candisc 語句 選項列表 中的選項按性質可以分成以下 4 類： （ 1） 數(shù)據(jù)集選項 ? data=數(shù)據(jù)集名 —— 指定欲進行分析的數(shù)據(jù)集。默認時，采用最新生成的數(shù)據(jù)集。 ? out=數(shù)據(jù)集名 —— 生成一個包含原始數(shù)據(jù)和典型變量得分的 SAS 數(shù)據(jù)集。 ? outstat=數(shù)據(jù)集名 —— 生成一個包含各種統(tǒng)計量的輸出 SAS 數(shù)據(jù)集。 （ 2） 典型變量選 項 ? ncan＝ n —— 指定將被計算的典型變量的個數(shù)。 n 的值必須小于或等于變量的個數(shù)。如果指定 ncan＝ 0，過程打印典型相關而不是典型系數(shù)、結構或均值。如果 ncan為負值，典型分析將被抑制。 ? prefix＝前綴名 —— 為命名典型變量指定前綴。 （ 3） 奇異性選項 ? singular = p—— 指定判別全樣本相關陣和合并類內(nèi)協(xié)方差陣奇異的標準，這里 ０＜ p １。默認值為 singular =108。 ed6e74e0641c5cc279a1942ed79030e9 商務數(shù)據(jù)分析 電子商務系列 上海財經(jīng)大學經(jīng)濟信息管理系 IS/SHUFE Page 14 of 70 （ 4） 打印選項 按打印的內(nèi)容可以分成以下 5 類： ① 控制相關陣打印的選項： ? bcorr—— 類間相關。 ? pcorr—— 合并類內(nèi)相關（基于合并類內(nèi)協(xié)方差的偏相關）。 ? tcorr—— 全樣本相關。 ? wcorr—— 每一類水平的類內(nèi)相關。 ② 控制協(xié)方差陣打印的選項： ? bcov—— 類間協(xié)方差。 ? pcov—— 合并類內(nèi)協(xié)方差。 ? tcov—— 全樣本協(xié)方差。 ? wcov—— 每一類水平的類內(nèi)協(xié)方差。 ③ 控制 sscp 矩陣打印的選項： ? bsscp—— 類間 sscp 陣。 ? psscp—— 合并類內(nèi)修正 sscp 陣。 ? tsscp—— 全樣本修正 sscp 陣。 ? wsscp—— 每一類水平的類內(nèi)修正 sscp 陣。 ④ 其他選項： ? anova—— 檢驗總體中每一變量類均值相等的假設的單變量統(tǒng)計量。 ? distance—— 類均值間的平方 Mahalanobis 距離。 ? simple—— 全樣本和類內(nèi)的簡單描述性統(tǒng)計量。 ? stdmean—— 全樣本和合并的類內(nèi)標準化類均值。 ? all—— 產(chǎn)生以上所有打印選項。 ⑤ 抑制打印的選項： ? noprint—— 不打印。 ? short—— 只打印典型相關表和多元檢驗統(tǒng)計數(shù)字。 2. 一般語句 ? class 語句 —— class 變量的值定義分析的組。類水平由 classs 變量的值確定。 class變量可以是數(shù)值型或字符 型。 ? var語句 —— var語句指定分析中包括的定量變量。如果省略 var語句，分析將包括未在其他語句中列出的全部定量變量。 其他語句的說明我們在這里省略了。 六、 實例分析 例 Fisher 于 1936 年發(fā)表的鳶尾花（ Iris）數(shù)據(jù)被廣泛地作為判別分析的例子。數(shù)據(jù)是對 3 種鳶尾花：剛毛鳶尾花（ setosa 第 1 組）、變色鳶尾花（ versicolor 第 2 組）和佛吉尼亞鳶尾花（ virginica 第 3 組）各抽取一個容量為 50的樣本，測量其花萼長（ sepallen） x花萼寬（ sepalwid） x2 、花瓣長（ petallen） x花瓣寬（ petalwid） x4，單位為 mm，分組標記為S，數(shù)據(jù)見表 。 表 150 個樣品的鳶尾花數(shù)據(jù) ed6e74e0641c5cc279a1942ed79030e9 商務數(shù)據(jù)分析 電子商務系列 上海財經(jīng)大學經(jīng)濟信息管理系 IS/SHUFE Page 15 of 70 X1 X2 X3 X4 S X1 X2 X3 X4 S X1 X2 X3 X4 S X1 X2 X3 X4 S 50 33 14 02 1 64 28 56 22 3 65 28 46 15 2 67 31 56 24 3 63 28 51 15 3 46 34 14 03 1 69 31 51 23 3 62 22 45 15 2 59 32 48 18 2 46 36 10 02 1 61 30 46 14 2 60 27 51 16 2 65 30 52 20 3 56 25 39 11 2 65 30 55 18 3 58 27 51 19 3 68 32 59 23 3 51 33 17 05 1 57 28 45 13 2 62 34 54 23 3 77 38 67 22 3 63 33 47 16 2 67 33 57 25 3 76 30 66 21 3 49 25 45 17 3 55 35 13 02 1 67 30 52 23 3 70 32 47 14 2 64 32 45 15 2 61 28 40 13 2 48 31 16 02 1 59 30 51 18 3 55 24 38 11 2 63 25 50 19 3 64 32 53 23 3 52 34 14 02 1 49 36 14 01 1 54 30 45 15 2 79 38 64 20 3 44 32 13 02 1 67 33 57 21 3 50 35 16 06 1 58 26 40 12 2 44 30 13 02 1 77 28 67 20 3 63 27 49 18 3 47 32 16 02 1 55 26 44 12 2 50 23 33 10 2 72 32 60 18 3 48 30 14 03 1 51 38 16 02 1 61 30 49 18 3 48 34 19 02 1 50 30 16 02 1 50 32 12 02 1 61 26 56 14 3 64 28 56 21 3 43 30 11 01 1 58 40 12 02 1 51 38 19 04 1 67 31 44 14 2 62 28 48 18 3 49 30 14 02 1 51 35 14 02 1 56 30 45 15 2 58 27 41 10 2 50 34 16 04 1 46 32 14 02 1 60 29 45 15 2 57 26 35 10 2 57 44 15 04 1 50 36 14 02 1 77 30 61 23