第8講SPSS的多元統(tǒng)計分析：因子分析、聚類分析、判別分析

1、第八章第八章 SPSS的多元統(tǒng)計分析的多元統(tǒng)計分析本章主要內(nèi)容：u 因子分析u 聚類分析u 判別分析在工業(yè)、農(nóng)業(yè)以及經(jīng)濟、管理等諸多領(lǐng)域中，常常需要同時觀測多個指標(biāo)。例如，衡量一個地區(qū)的經(jīng)濟發(fā)展，需觀測的指標(biāo)有：總產(chǎn)值、利潤、效益、勞動生產(chǎn)率、固定資產(chǎn)、物價、信貸等。因此，受多種指標(biāo)作用和影響的現(xiàn)象是大量存在的。由于每個指標(biāo)值是不能預(yù)先確定的，那么該如何根據(jù)這些觀測數(shù)據(jù)進(jìn)行有效的分析研究呢？-多元統(tǒng)計分析，就是進(jìn)行多個隨機變量觀測數(shù)據(jù)分析的一種有效方法，它通過研究變量之間的相互關(guān)系來揭示這些變量內(nèi)在的變化規(guī)律。在當(dāng)前科技和經(jīng)濟迅速發(fā)展的今天，國民經(jīng)濟許多領(lǐng)域只停留在定性分析上往往是不夠的。為提

2、高科學(xué)性、可靠性，通常需要定性與定量分析相結(jié)合。而多元分析正是定量分析的有效手段和方法。整體分析與設(shè)計的內(nèi)容u 因子分析因子分析一、案例背景一、案例背景n 居民消費結(jié)構(gòu)變化 “消費結(jié)構(gòu)”是指消費過程中，各項消費支出占居民總支出的比重，它是反映居民生活消費水平、生活質(zhì)量變化狀況以及內(nèi)在過程合理化程度的重要標(biāo)志。消費結(jié)構(gòu)的變動不僅是消費領(lǐng)域的重要問題，而且也關(guān)系到國民經(jīng)濟的發(fā)展。因為合理的消費結(jié)構(gòu)及消費結(jié)構(gòu)的升級和優(yōu)化不僅反映了消費的層次和質(zhì)量的提高，而且也為建立合理的產(chǎn)業(yè)結(jié)構(gòu)和產(chǎn)品結(jié)構(gòu)提供了重要的依據(jù)。首先看一下本節(jié)課給出的相關(guān)數(shù)據(jù)：本數(shù)據(jù)文件是某市民在食品、衣著、醫(yī)療保健等幾個方面的消費數(shù)據(jù)。

3、這些指標(biāo)之間存在著不同強弱的相關(guān)性。如果單獨分析這些指標(biāo)，那么就很難全面的分析和了解居民消費結(jié)構(gòu)的特點。因此，我們可以考慮采用“因子分析因子分析”的方法，將這幾個指標(biāo)綜合為少數(shù)幾個因子，通過這幾個因子來考察居民消費結(jié)構(gòu)的變動情況。整體分析與設(shè)計的內(nèi)容u 因子分析因子分析二、方法原理二、方法原理 在研究實際問題的時候，往往希望盡可能的收集相關(guān)變量，以期對問題有較全面、完整的把握和認(rèn)識。例如，企業(yè)綜合評價研究中，可能會收集諸如盈利能力、負(fù)債能力、運營能力等方面的經(jīng)濟指標(biāo)數(shù)據(jù)。 這些數(shù)據(jù)在帶來有關(guān)信息的同時，也給數(shù)據(jù)的分析帶來了一定的困難：這眾多的變量之間可能存在著或多或少的相關(guān)性，實際觀測到的數(shù)據(jù)

4、包含的信息有一部分可能是重復(fù)的。 為了解決這些問題，最簡單和最直接的辦法就是減少變量數(shù)目。但這又將導(dǎo)致另一個問題，即信息丟失或不完整的問題。 因此，研究人員希望能夠找到一種有效的方法，既能減少參與數(shù)據(jù)分析的變量個數(shù)，同時又不會造成統(tǒng)計信息的大量浪費和丟失。-“因子分析因子分析”就這樣應(yīng)運而生了。因子分析就是在盡可能不損失信息或少損失信息的情況下，將多個變量減少為少數(shù)幾個因子的方法，這幾個因子可以高度概括大量數(shù)據(jù)中的信息。這樣，既減少了變量個數(shù)，又同樣能再現(xiàn)變量之間的內(nèi)在聯(lián)系。整體分析與設(shè)計的內(nèi)容111 112211221 1222221 122.kkkkppppkkpxa fa fa fxa

5、fafafxafafafu 因子分析因子分析二、方法原理二、方法原理1.因子分析的數(shù)學(xué)模型針對變量作因子分析，稱為R型因子分析；對樣本個案做因子分析，稱為Q型因子分析。這兩種方法有許多相似之處。其中，R型因子分析的數(shù)學(xué)模型如下：設(shè)原有p個變量，且每個變量（或經(jīng)標(biāo)準(zhǔn)化處理后的變量）的均值為0，標(biāo)準(zhǔn)差為1.現(xiàn)將每個原有變量用k（k0的情況，這個距離有助于克服各指標(biāo)之間量綱的影響，但沒有考慮指標(biāo)間的相關(guān)性。4.相似系數(shù)n 夾角余弦將任何兩個樣品Xi與Xj看成p緯空間的兩個向量，這兩個向量的夾角余弦可表達(dá)為：12211cospiajaaijppiajaaax xxx取值1，說明兩樣品完全相似；接近1，

6、說明兩樣品相似密切；取值0，說明兩樣品完全不相似；接近0，說明兩樣品差別大。整體分析與設(shè)計的內(nèi)容u 聚類分析聚類分析一、方法原理一、方法原理4.相似系數(shù)n 相關(guān)系數(shù)1221111()()11()()11piaijajaijijppiaijajaappiiajjaaaxxxxrrxxxxxxxxpp 其中，聚類分析的內(nèi)容非常豐富：有序樣品聚類法、動態(tài)聚類法、模糊聚類法、快速聚類法、系統(tǒng)聚類法等。整體分析與設(shè)計的內(nèi)容u 聚類分析聚類分析二、快速聚類法二、快速聚類法1. 算法原理算法原理 K-均值聚類法又叫快速聚類法，可用于大量數(shù)據(jù)進(jìn)行聚類分析的情形。它是一種非分層的聚類方法，具有占用內(nèi)存少、計算量

7、大、處理速度快，特別適合大樣本的聚類分析。其具體操作步驟為：其具體操作步驟為： 指定聚類數(shù)目k（由用戶指定） 確定k個初始類的中心（用戶指定；或根據(jù)數(shù)據(jù)本身結(jié)構(gòu)的中心來確 定） 根據(jù)距離最近原則進(jìn)行分類。（逐一計算每一記錄到各個中心點的距離，把各個記錄按照距離最近的原則歸入各個類別，并計算新形成類別的中心點） 按照新的中心位置，重新計算每一個記錄距離新的類別中心點的距離，并重新進(jìn)行歸類 重復(fù)步驟（4），直到達(dá)到一定的收斂標(biāo)準(zhǔn)整體分析與設(shè)計的內(nèi)容u 聚類分析聚類分析二、快速聚類法二、快速聚類法2.案例背景介紹案例背景介紹n 全國人口文化程度分析 深入了解全國人口的文化程度狀況，是很有意義的一項工

8、作。 本節(jié)的數(shù)據(jù)文件給出了1990年全國人口普查數(shù)據(jù)。 數(shù)據(jù)中，有三個指標(biāo)：大學(xué)以上文化程度的人口比例、初中文化程度的人口比例、文盲半文盲的人口比例。過這些指標(biāo)和具體的數(shù)據(jù)，來分析省市地區(qū)之間文化程度的差異。 這是一個典型的多元分析問題，可以考慮利用快速聚類法來分析研究省市之間的差異性。整體分析與設(shè)計的內(nèi)容u 聚類分析聚類分析二、快速聚類法二、快速聚類法3.操作說明操作說明數(shù)據(jù)文件：“全國人口文化程度.sav” 菜單：“分析分類K-均值聚類”輸入分類個數(shù)，系統(tǒng)默認(rèn)為2.本例子中，輸入4.系統(tǒng)默認(rèn)項.選擇初始類中心，在迭代的過程中不斷更新聚類中心。把觀測量分派到與之最近的以類中心為標(biāo)志的類中去。

9、只使用初始類中心對觀測量進(jìn)行分類，聚類中心始終不變。用戶可以指定外部文件或數(shù)據(jù)作為初始聚類中心點；也可以將聚類分析中心結(jié)果輸出到指定文件或數(shù)據(jù)集中。小技巧：對于大數(shù)據(jù)集，可以先用小樣本，迭代聚類，并通過該選項組將中心結(jié)果保存到文件或記錄集；再通過讀取的方式，獲得該中心，選擇“僅分類”來處理大樣本數(shù)據(jù)。整體分析與設(shè)計的內(nèi)容u 聚類分析聚類分析二、快速聚類法二、快速聚類法3.操作說明操作說明1）“迭代”按鈕：輸入迭代次數(shù)。文本框可輸入范圍：1999輸入算法收斂標(biāo)準(zhǔn)，其實就是算法的精度。該文本框輸入數(shù)值是不得超過1的正數(shù)。例如，輸入0.02，則表示兩次迭代計算的最小的類中心的變化距離小于初始類中心距

10、離的2%時，迭代停止。選擇該復(fù)選框，在每個觀測量被分配到一類后，立刻計算新的類中心；若不選該復(fù)選框，則完成所有的觀測量的一次分配后，再計算各類的中心，此時可節(jié)省迭代時間。2）“保存”按鈕：在 數(shù) 據(jù) 集 中 生 成 名 為qcl_1的新變量。其值表示聚類結(jié)果，即各觀測量被分配到哪一類。其取值可為1、2、3等。在 數(shù) 據(jù) 集 中 生 成 名 為qcl_2的新變量。其值表示各觀測量與所屬類中心的歐氏距離。整體分析與設(shè)計的內(nèi)容u 聚類分析聚類分析二、快速聚類法二、快速聚類法3.操作說明操作說明3）“選項”按鈕：整體分析與設(shè)計的內(nèi)容u 聚類分析聚類分析二、快速聚類法二、快速聚類法4.輸出分析輸出分析1

11、）初始中心表2）迭代歷史表初始中心間的最小距離為13.128整體分析與設(shè)計的內(nèi)容u 聚類分析聚類分析二、快速聚類法二、快速聚類法4.輸出分析輸出分析3）分析結(jié)果列表列出了4類地區(qū)整體分析與設(shè)計的內(nèi)容u 聚類分析聚類分析二、快速聚類法二、快速聚類法4.輸出分析輸出分析4）最終聚類分析中心表5）最終聚類中心位置之間的距離與初始中心比，變化很大第一類和第二類之間的距離最大；第一類和第三類之間的距離最短。整體分析與設(shè)計的內(nèi)容u 聚類分析聚類分析二、快速聚類法二、快速聚類法4.輸出分析輸出分析6）方差分析表組間均方組間自由度組內(nèi)均方組內(nèi)自由度7）聚類數(shù)目匯總表整體分析與設(shè)計的內(nèi)容u 聚類分析聚類分析三、

12、系統(tǒng)聚類法三、系統(tǒng)聚類法1. 算法原理算法原理 又稱為層次聚類法或分層聚類法。 1）對研究對象本身進(jìn)行分類，稱為Q型聚類；對研究對象的觀察指標(biāo) 進(jìn)行分類，稱為R聚類。2）根據(jù)聚類過程的不同，又分為分解法和凝聚法。n分解法：開始把所有個體（觀測量或變量）都視為同屬一大類，再根據(jù)距離和相似性逐層分解，直到參與聚類的每個個體自成一類為止。n凝聚法：開始把參與聚類的每個個體（觀測量或變量）視為一類，根據(jù)兩類之間的距離或相似性逐步合并，直到合并為一個大類為止。系統(tǒng)聚類的距離公式有多種，常用的是“組間平均距離法”。整體分析與設(shè)計的內(nèi)容u 聚類分析聚類分析三、系統(tǒng)聚類法三、系統(tǒng)聚類法2. 案例背景案例背景

13、要求：要求：不同地區(qū)信息基礎(chǔ)設(shè)施發(fā)展?fàn)顩r的評價。數(shù)據(jù)文件中給出了世界不同地區(qū)信息基礎(chǔ)設(shè)施的發(fā)展?fàn)顩r。這里選取了發(fā)達(dá)地區(qū)、新興工業(yè)化地區(qū)、拉美地區(qū)。亞洲發(fā)展中地區(qū)、轉(zhuǎn)型地區(qū)等不同類型的20個地區(qū)的數(shù)據(jù)。描述信息基礎(chǔ)設(shè)施的變量主要有6個，分別為：nCall：每千人擁有電話線數(shù)nMovecall：每千房居民移動電話數(shù)nFee：高峰時期每三分鐘國際電話的成本nComputer：每千人擁有的計算機數(shù)nMips：每千人中計算機功率（每秒百萬指令）nNet：每千人互聯(lián)網(wǎng)絡(luò)戶主數(shù)根據(jù)這6個變量指標(biāo)來分析地區(qū)之間的信息基礎(chǔ)設(shè)施發(fā)展的差異,可采用系統(tǒng)聚類法.整體分析與設(shè)計的內(nèi)容u 聚類分析聚類分析三、系統(tǒng)聚類法三

14、、系統(tǒng)聚類法3. 操作操作 數(shù)據(jù)文件：”不同地區(qū)信息基礎(chǔ)設(shè)施發(fā)展?fàn)顩r的評價.sav” 菜單：“分析分類系統(tǒng)聚類”即Q型聚類即R型聚類整體分析與設(shè)計的內(nèi)容u 聚類分析聚類分析三、系統(tǒng)聚類法三、系統(tǒng)聚類法3. 操作操作1）“統(tǒng)計量”按鈕：輸出顯示聚類過程中每一步合并的類或觀測量，反映聚類過程中每一步樣品或類的合并過程。輸出相似矩陣或不相似矩陣，及其更具體的類別，取決于“方法”按鈕對應(yīng)的對話框中的設(shè)置。輸入大于1的整數(shù)。例如，輸入“2”，在結(jié)果窗口將顯示輸出聚為2類的分析結(jié)果。輸入大于1的整數(shù)。表述輸出樣本或變量的分類數(shù)從最小值到最大值的各種分類聚類表。最大類數(shù)值不能大于參與聚類的樣本數(shù)或變量總數(shù)。

15、整體分析與設(shè)計的內(nèi)容u 聚類分析聚類分析三、系統(tǒng)聚類法三、系統(tǒng)聚類法3. 操作操作2）“繪制”按鈕：輸入文本框的必須是正整數(shù)。分別是起、止步驟以及步長。例如，輸入3、9、2，則生成的冰柱圖則從第3步開始，顯示第3、5、7、9步的聚類情況。注意：注意：“排序標(biāo)準(zhǔn)”標(biāo)簽文字翻譯的不對，應(yīng)該是“步長”才準(zhǔn)確。冰柱圖的顯示方向。整體分析與設(shè)計的內(nèi)容u 聚類分析聚類分析三、系統(tǒng)聚類法三、系統(tǒng)聚類法3. 操作操作3）“方法”按鈕：該方法合并兩類的依據(jù)是使這兩個類別里所有兩兩配對觀測量的平均距離最小。該方法合并兩類的依據(jù)是使兩個類別合并后的新類中，觀測量的平均距離最小。離差平方和。聚類使得類內(nèi)各樣本的離差平

16、方和最??；類間的離差平方和盡可能大。適合于等間隔測度的連續(xù)性變量。下拉列表中可選擇距離測度方法。適合于字?jǐn)?shù)變量（離散變量），下拉列表中可選擇不相似性測度的方法。選擇標(biāo)準(zhǔn)化方法。把相似性值變?yōu)椴幌嗨菩曰蛳喾凑w分析與設(shè)計的內(nèi)容u 聚類分析聚類分析三、系統(tǒng)聚類法三、系統(tǒng)聚類法3. 操作操作4）“保存”按鈕：保存指定聚類個數(shù)時的分類結(jié)果。文本框的值必須是大于1的正數(shù)，且小于等于參與聚類的觀測量個數(shù)和變量個數(shù)。文本框中輸入最小聚類數(shù)目和最大聚類數(shù)目，表示分別生成樣本或變量的分類數(shù)從最小值到最大值的各種分類聚類變量。例如，輸入“4”和“6”，表示在聚類結(jié)束后，在原數(shù)據(jù)集中將會增加3個變量，分別表明分為4

17、類、5類和6類時的聚類結(jié)果，即分別為4、5、6類時各分析對象分別屬于哪一類。整體分析與設(shè)計的內(nèi)容u 聚類分析聚類分析三、系統(tǒng)聚類法三、系統(tǒng)聚類法4. 輸出分析輸出分析1）聚類過程表步驟序號第二列和第三列，給出了某一步驟中哪些地區(qū)參與了合并。例如，第一步中，第十個樣品和第十二個樣品，首先被合并在一起。每一步的聚類系數(shù)?？筛鶕?jù)這個系數(shù)來判斷數(shù)據(jù)應(yīng)該被分為多少類，當(dāng)兩個相鄰步驟的系數(shù)變化遠(yuǎn)大于前面相鄰步驟變化時，即可大致確定應(yīng)該將聚類過程進(jìn)行到哪里的類別數(shù)是較為合適的。（主要是參考作用）第五列和第六列，表示參與合并的類是在第幾步第一次出現(xiàn)。0代表該記錄是第一次出現(xiàn)在聚類過程中。標(biāo)識出：該步驟合并的類

18、別，下一次將在第幾步中出現(xiàn)，與其他類再進(jìn)行合并。整體分析與設(shè)計的內(nèi)容u 聚類分析聚類分析三、系統(tǒng)聚類法三、系統(tǒng)聚類法4. 輸出分析輸出分析2）聚類分析結(jié)果表3）樹形圖聚類結(jié)果分兩類。其中，第一類是轉(zhuǎn)型地區(qū)和亞洲、拉美發(fā)展中地區(qū)，這些區(qū)域經(jīng)濟不發(fā)達(dá)，基礎(chǔ)設(shè)施薄弱；第二類主要是美、日、歐洲發(fā)達(dá)地區(qū)與新興工業(yè)化地區(qū)，如中國臺灣、新加坡、韓國等，信息基礎(chǔ)設(shè)施較好。其中，美國、瑞典、丹麥的信息基礎(chǔ)設(shè)施發(fā)展最為良好。整體分析與設(shè)計的內(nèi)容u 判別分析判別分析一、方法原理一、方法原理判別分析是判別樣品所屬類型的一種統(tǒng)計方法，其應(yīng)用也非常廣泛。在生產(chǎn)、科研和日常生活中，經(jīng)常需要根據(jù)觀測到的數(shù)據(jù)資料，對所研究的對

19、象進(jìn)行分類。例如，在經(jīng)濟學(xué)中，根據(jù)人均國民收入、人均工農(nóng)業(yè)產(chǎn)值、人均消費水平等多種指標(biāo)來判定一個國家的經(jīng)濟發(fā)展程度所屬類型；在市場預(yù)測中，根據(jù)以往調(diào)查所得的種種指標(biāo)，判別下季度產(chǎn)品是否暢銷、平?；驕N?？傊趯嶋H問題中需要判別的問題幾乎到處可見。判別分析和聚類分析不同。判別分析和聚類分析不同。n判別分析是在已知研究對象分成若干類型（或組別），并已取得各種類型的一批已知樣品的觀測數(shù)據(jù)，在此基礎(chǔ)上根據(jù)某些準(zhǔn)則建立判別式，然后來對未知類型的樣品進(jìn)行判別分類。n聚類分析，一批給定樣品要劃分的類型事先并不知道，需要通過聚類分析以確定類型。判別分析和聚類分析常聯(lián)合使用。先聚類分析，再用判別分析建立判別式

20、。整體分析與設(shè)計的內(nèi)容u 判別分析判別分析一、方法原理一、方法原理判別分析的分類：1）按組數(shù)：兩組判別分析和多組判別分析2）按總體所用的數(shù)學(xué)模型不同：線性判別和非線性判別3）按處理變量的方法不同：逐步判別和序貫判別判別方法介紹判別方法介紹距離判別分析距離判別分析，是一種常見的判別分析法。其基本思想是：首先根據(jù)已知分類的數(shù)據(jù)計算各類的中心（即類的均值），若樣品與第i類的中心距離最近，就認(rèn)為該樣品來自第i類。例如，兩個總體的距離判別法中，設(shè)有兩個總體G1、G2，從第一個總體中抽取n1個樣品，從第二個總體抽取n2個樣品，每個樣品測量p個指標(biāo)。現(xiàn)任取一個樣品，來判斷X該歸哪一類？11221212,(,

21、)(,),(,)(,),(,)= (,)XGD X GD X GXGD X GD X GD X GD X G待判X到G1的距離X到G2的距離整體分析與設(shè)計的內(nèi)容u 判別分析判別分析二、操作二、操作數(shù)據(jù)文件：“省市地區(qū)經(jīng)濟增長差異.sav”菜單：“分析分類判別”選擇離散型變量作為分類變量.然后在”定義范圍”中輸入分類變量的數(shù)值范圍.當(dāng)所有自變量都能對觀測量特性提供豐富的信息時,選擇該選項.采用逐步判別法作判別分析.點選該按鈕,界面右側(cè)的”方法”按鈕將被激活,可以進(jìn)一步選擇判別分析方法.整體分析與設(shè)計的內(nèi)容u 判別分析判別分析二、操作二、操作1）”統(tǒng)計量”按鈕對各類協(xié)方差矩陣相等的假設(shè)進(jìn)行檢驗。對

22、每一類給出一組系數(shù)，并給出該組中判別分?jǐn)?shù)最大的觀測量。整體分析與設(shè)計的內(nèi)容u 判別分析判別分析二、操作二、操作2）”方法”按鈕每 步 都 選 擇 W i l k 的lambda統(tǒng)計量最小的變量加入判別函數(shù)。選擇未解釋方差和最小變量加入判別函數(shù)。每步都選擇靠的最近的兩類間的馬氏距離的變量加入判別函數(shù)中。每步都選擇任何兩類間的“最小F值”達(dá)到最大的變量加入判別函數(shù)中。每步都選擇使V統(tǒng)計量產(chǎn)生最大增量的變量加入判別函數(shù)。（在文本框中輸入數(shù)值，當(dāng)某變量導(dǎo)致的V值增量大于該數(shù)時，此變量就進(jìn)入判別函數(shù)。）用于設(shè)置逐步判別過程中保留或刪除變量的準(zhǔn)則。當(dāng)變量的F值大于文本框中的數(shù)值時，保留該變量。當(dāng)變量的F值

23、小于文本框中的數(shù)值時，刪除該變量。與F值類似，只是換成了F檢驗概率。顯示每步選擇變量之后各變量的統(tǒng)計量結(jié)果。顯示兩類之間的F比值矩陣。整體分析與設(shè)計的內(nèi)容u 判別分析判別分析二、操作二、操作3）”分類”按鈕各類先驗概率相等，若分m類，則概率均為1/m根據(jù)各類樣本量占總樣本量的比例，計算先驗概率。輸出每個觀測量的判別分?jǐn)?shù)、實際類、預(yù)測類（依據(jù)判別函數(shù)求得的分類結(jié)果）和后驗概率等。若文本框輸入了數(shù)據(jù)n，則表示輸出前n個觀測量。根據(jù)前兩個判別函數(shù)的得分，作出包括所有類別的散點圖；若只有一個判別函數(shù)，就輸出直方圖。根據(jù)前兩個判別函數(shù)的得分，作每一個類別的散點圖；若只有一個判別函數(shù)，就輸出直方圖。根據(jù)判

24、別函數(shù)的得分所作的、對觀測量進(jìn)行分類的邊界圖。此圖把平面劃分成與分類個數(shù)相同的幾個區(qū)域，每類占據(jù)一個區(qū)域，各類的均值在其區(qū)域中用“*”標(biāo)出；若只有一個判別函數(shù)，則不做此圖。整體分析與設(shè)計的內(nèi)容u 判別分析判別分析二、操作二、操作4）”保存”按鈕將復(fù)選框指定的計算結(jié)果保存到記錄集。注：注：目前選了這一項會出現(xiàn)系統(tǒng)異常。整體分析與設(shè)計的內(nèi)容u 判別分析判別分析三、輸出分析三、輸出分析1）判別分析概述表參加分析的變量總數(shù)為30有效的變量總數(shù)為27包含缺失值或分類變量范圍之外的觀測量為3.“至少一個缺失判別變量”整體分析與設(shè)計的內(nèi)容u 判別分析判別分析三、輸出分析三、輸出分析2）分組統(tǒng)計表給出了不同類別的基本描述性統(tǒng)計量。從數(shù)據(jù)可知：不同類別之間的省市經(jīng)濟指標(biāo)差異比較明顯。整體分析與設(shè)計的內(nèi)容u 判別分析判別分析三、輸出分析三、輸出分析3）類均值相等檢驗表這個表，列出了不同類之間的 4 個經(jīng)濟指標(biāo)，均值是否相等的檢驗結(jié)果?？芍?，4個指標(biāo)都小于顯著性水平，這就說明不同類之間的指標(biāo)均值存在顯著性差異，可以進(jìn)行判別分析。整體分析與設(shè)計的內(nèi)容u 判別分析判別分析三、輸出分析三、輸出分析4）判別分析特征值特征值方差百分比方差累計百分比典型相關(guān)系數(shù)5）Wilkss Lambda表整體分析與設(shè)計的內(nèi)容u 判別分析判別分析三、輸出分析三、輸出分析6）標(biāo)準(zhǔn)化判別函數(shù)系數(shù)對判別結(jié)