【導(dǎo)讀】變量與變量之間的關(guān)系分為確定性關(guān)系和非確定性關(guān)系，間經(jīng)驗(yàn)公式的數(shù)理統(tǒng)計(jì)方法稱為回歸分析。如果是多個(gè)因素作為自變量的時(shí)候，還。，哪些是不顯著的。第1步確定回歸方程中的因變量和自變量。回歸系數(shù)的顯著性檢驗(yàn)。第5步利用回歸方程進(jìn)行預(yù)測(cè)。根據(jù)自變量的多少，線性回歸可有不同。該考慮用一元線性回歸解決?！皒”、“y”?！弊鳛閤軸，“財(cái)政收入”作為y軸，得到如下所示圖形。打開(kāi)“統(tǒng)計(jì)量”對(duì)話框，選上“估計(jì)”和“模型擬合度”。作相應(yīng)的保存選項(xiàng)設(shè)置，如預(yù)測(cè)值、殘差和距離等。模型綜述表R=，說(shuō)明自變量與因變。因變量和自變量的線性關(guān)系是非常顯著的，可建立線性模型。準(zhǔn)化的回歸系數(shù)值、統(tǒng)計(jì)量t值以及顯著性水平。因此，可以得出回歸方程：財(cái)政收入=+×國(guó)內(nèi)生。回歸系數(shù)的顯著性水平為，明顯小于，故應(yīng)拒絕T檢驗(yàn)的原假設(shè)，曲線估計(jì)則是研究?jī)勺兞块g非線。據(jù)與理論數(shù)據(jù)之間的差異盡可能地小。在曲線估計(jì)中，需要解決兩個(gè)問(wèn)題：一是選用哪種理論模

　　

【正文】 0 2 2 4 6 1 0 4 3 1 2 0 0 4 4 1 4 3 2 5 5 1 3 4 0 0 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 65 系統(tǒng) 聚類 第 4步 主要結(jié)果及分析： ?系統(tǒng)聚類的冰柱圖 圖的縱坐標(biāo)表示聚類的數(shù)目，我們從圖的最下方看起，從 5類，逐漸到 4類、 3類、 2類，最后聚成一個(gè)大類。首先是“銅”和“錳”聚成一類，其余每個(gè)變量各為一類。第 2步再將“血紅蛋白”聚到“銅”和“錳”一類中，原先的 6個(gè)變量就變成了 4類。以此類推，經(jīng)過(guò) 5步聚類，最后將所有變量聚成了一個(gè)大類。 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 66 系統(tǒng) 聚類 第 4步 主要結(jié)果及分析： ?系統(tǒng)聚類的樹(shù)狀圖 第 1步將“ cu（銅）”和“ mn（錳）”聚成一類，第 2步將“ hemogl（血紅蛋白）”聚到“ cu（銅）”和“ mn（錳）”類中，第 3步將“ ca（鈣）”和“ mg（鎂）”聚成一類。以此類推，最后聚成一個(gè)大類。這與聚類順序表和聚類冰柱圖的分析結(jié)果是一致的。 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 67 主要內(nèi)容 聚類與判別分析概述 二階聚類 K均值聚類 系統(tǒng) 聚類 判別分析 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 68 判別分析 基本概念與統(tǒng)計(jì)原理 基本概念 判別分析（ Discriminant Analysis）是多元統(tǒng)計(jì)分析中用于判別樣本所屬類型的一種統(tǒng)計(jì)方法。它要解決的問(wèn)題是在一些已知研究對(duì)象用某種方法已分成若干類的情況下，確定新的觀察數(shù)據(jù)屬于已知類別中的哪一類。判別分析是應(yīng)用很強(qiáng)的一種多元統(tǒng)計(jì)分析方法。 (2) 統(tǒng)計(jì)原理 判別分析按判別組數(shù)來(lái)分，有兩組判別分析和多組判別分析，按區(qū)分不同總體所用的數(shù)學(xué)模型來(lái)分，有線性差別和非線性判別。判別分析可以從不同的角度提出問(wèn)題，因此有不同的判別準(zhǔn)則，如費(fèi)歇爾（ Fisher）準(zhǔn)則和貝葉斯（ Bayes）準(zhǔn)則。 1 1 2 2 nny a x a x a x? ? ? ?判別函數(shù)的一般形式是 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 69 判別分析 分析步驟 第 1步 計(jì)算特征值： 計(jì)算需要用到的一些反映樣本的特征值，比如均值、協(xié)方差矩陣等。 第 2步 建立判別函數(shù)： 判別函數(shù)的一般形式如式 函數(shù)就是要確定這些系數(shù)。 第 3步 確定判別準(zhǔn)則： 如費(fèi)歇爾（ Fisher）準(zhǔn)則和貝葉斯（Bayes）準(zhǔn)則。 第 4步 檢驗(yàn)判別效果： 驗(yàn)證判別函數(shù)用來(lái)進(jìn)行判別時(shí)的準(zhǔn)確度。 第 5步 分類： 根據(jù)所建立的判別函數(shù)對(duì)待判樣本進(jìn)行分類。 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 70 判別分析 SPSS實(shí)例分析 【 例 94】 下表是健康人（ c = 1）、硬化癥患者（ c = 2）和冠心病患者（ c = 3）三種人群的心電圖的 5個(gè)指標(biāo)（ x1～ x5）數(shù)據(jù)，其中有 19個(gè)樣本是確定的分類，另又測(cè)出 4個(gè)人的相關(guān)指標(biāo)，試根據(jù)確定分類的樣本對(duì)這未確定的樣本進(jìn)行分類。 order x1 x2 x3 x4 x5 c order x1 x2 x3 x4 x5 c 1 1 13 2 2 1 14 2 3 1 15 2 4 1 16 3 5 1 17 11 3 6 1 18 3 7 1 19 3 8 1 20 待定 9 1 21 待定 10 2 22 待定 11 2 23 待定 12 2 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 71 判別分析 第 1步 分析： 由于部分樣本已經(jīng)有分類標(biāo)記，還有幾個(gè)待分類樣本。這顯然屬于根據(jù)已知分類樣本的信息對(duì)未分類樣本進(jìn)行分類的情況，用判別分析進(jìn)行處理。 第 2步 數(shù)據(jù)組織： 建立 7個(gè)變量。分別是“序號(hào)”、“ x1”、“ x2”、“ x3”、“ x4”、“ x5”和“ c”，均為數(shù)值型變量。輸入數(shù)據(jù)，對(duì)第 20條～ 23條的類別“ c”變量，不填數(shù)據(jù)，作為缺失值處理，存盤(pán)并保存。 第 3步 進(jìn)行按變量聚類的設(shè)置： 按如下圖示進(jìn)行設(shè)置 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 72 判別分析 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 73 判別分析 第 4步 主要結(jié)果及分析： ?分析案例處理摘要表 表明共 23條記錄，已分好類的 19條，有 4條需進(jìn)行分類。 ?匯聚的變量之間相關(guān)矩陣表 x1 x2 x3 x4 x5 Correlation x1 .059 x2 .059 .835 .762 x3 .835 .688 x4 x5 .762 .688 給出了這五個(gè)自變量之間的相關(guān)系數(shù)，如變量“ x1”與變量“ x2”之間的相關(guān)系數(shù)為 。 未加權(quán)案例 N 百分比 有效 19 排除的 缺失或越界組代碼 4 至少一個(gè)缺失判別變量 0 .0 缺失或越界組代碼還有至少一個(gè)缺失判別變量 0 .0 合計(jì) 4 合計(jì) 23 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 74 判別分析 ?特征值表 由于本例中預(yù)測(cè)變量為 5個(gè)，類別數(shù)為 3，因此判別函數(shù)的個(gè)數(shù)為 2（即 min(31，5)=2）。判別函數(shù)的特征值越大，表明該函數(shù)越具有區(qū)別力。第一個(gè)判別函數(shù)的特征值為 ，第二個(gè)為。 ?判別函數(shù)的顯著性檢驗(yàn)結(jié)果表 其中“ 1到 2”表示兩個(gè)判別函數(shù)的平均數(shù)在 3個(gè)級(jí)別間的差異情況?！?2”表示在排除第一個(gè)判別函數(shù)后，第二個(gè)函數(shù)在 3個(gè)級(jí)別間的差異情況。從最后的顯著性概率 ，其兩個(gè)判別函數(shù)的效果并不十分顯著 函數(shù) 特征值 方差的 % 累積 % 正則相關(guān)性 1 .762 2 .408a .538 a. 分析中使用了前 2 個(gè)典型判別式函數(shù)。 函 數(shù)檢驗(yàn) Wilks 的 Lambda 卡方 df Sig. 1 到 2 .298 10 .075 2 .710 4 .310 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 75 判別分析 ?判別系數(shù)表 1 26 1 88 2 64 3 74 4 34 5F x x x x x? ? ? ? ?2 34 1 08 2 98 3 16 4 36 5F x x x x x? ? ? ? ?函數(shù) 1 2 x1 .626 .234 x2 ?.988 x3 ?.664 x4 .974 .416 x5 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 76 判別分析 ?分類結(jié)果概述表 從表中可以看出，有 23條個(gè)案被成功分類。 已處理的 23 已排除的 缺失或越界組代碼 0 至少一個(gè)缺失判別變量 0 用于輸出中 23 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 77 判別分析 ? 分類函數(shù)系數(shù)表 c 健康 硬化病 冠心病 x1 x2 ?.222 ?.160 ?.211 x3 ? ? ? x4 x5 （常量） ? ? ? Fisher 的線性判別式函數(shù) 1 1 2 3 4 x x x x x? ? ? ? ? ?2 1 2 3 4 x x x x x? ? ? ? ? ?3 1 2 3 4 x x x x x? ? ? ? ? ?SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 78 判別分析 ?各類區(qū)域圖及分類標(biāo)記情況圖 這是以根據(jù)每個(gè)個(gè)案計(jì)算出的判別分?jǐn)?shù)為坐標(biāo)，以典則判別函數(shù) 1為橫軸，以典則判別函數(shù) 2為縱軸，所繪出的散點(diǎn)圖。可以看出，在圖中分出了 1， 2， 3三個(gè)區(qū)域，在圖中也標(biāo)出了各類的中心（其中心用“ *”表示）。 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 79 判別分析 ?分類結(jié)果矩陣 對(duì)角線顯示的為準(zhǔn)確預(yù)測(cè)的個(gè)數(shù)，其余為錯(cuò)誤預(yù)測(cè)的個(gè)數(shù)。從該表可以看出，已經(jīng)分的 19個(gè)個(gè)案正確分類 17個(gè)，錯(cuò)誤分類 2個(gè)。正確率還是比較高的。根據(jù)這 19個(gè)個(gè)案為先驗(yàn)數(shù)據(jù)，將待分類的 4個(gè)個(gè)案分別分入 1， 2， 3類的分別有 1， 1，2個(gè)。 c 預(yù)測(cè)組成員 合計(jì) 健康 硬化病 冠心病 初始 計(jì)數(shù) 健康 9 0 0 9 硬化病 0 5 1 6 冠心病 1 0 3 4 未分組的案例 1 1 2 4 % 健康 .0 .0 硬化病 .0 冠心病 .0 未分組的案例 a. 已對(duì)初始分組案例中的 % 個(gè)進(jìn)行了正確分類。 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 80 判別分析 ?分類保存結(jié)果圖 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 81 The End