SPSS判別分析原始數(shù)據(jù)

SPSS^J別分析原始數(shù)據(jù)SPS*U別分析原始數(shù)據(jù)家庭購買割草機行為.sav'.DISCRIMINANT/GROUPS^購買（01）/VARIABLES=x1x2/ANALYSISALL/SAVE=CLASSSCORESPROBS/PRIORSEQUAL/STATISTICS=UNIVFBOXMCOEFFRAWTABLECROSSVALID/CLASSIFY=NONMISSINGPOOLED.判別[數(shù)據(jù)集家庭購買割草機行為.sav分析案例處理摘要未加權案例N百分比有效24100.0排除的缺失或越界組代碼0.0至少一個缺失判別變量0.0缺失或越界組代碼還有至少一0.0個缺失判別變量合計0.0合計24100.0由上表可以看出樣本數(shù)為24個，全部有效，無缺失和越界組組統(tǒng)計量有效的N:列表狀態(tài):是否購買割草機未加權的已加權的不購買家庭收入1212.000房前屋后土地面積1212.000購買家庭收入1212.000房前屋后土地面積1212.000合計家庭收入2424.000

房前屋后土地面積2424.00012。買割12。買割草機的未加權和已加權的有效的樣本都是12。合計有效的樣本是24.組均值的均等性的檢驗Wilks的LambdaFdf1df2Sig.家庭收入.67410.656122.004房前屋后土地面積.6939.736122.005分析1協(xié)方差矩陣的均等性的箱式檢驗對數(shù)行列式是否購買割草機秩對數(shù)行列式不購買23.207購買23.578匯聚的組內(nèi)23.442打印的行列式的秩和自然對數(shù)是組協(xié)方差矩陣的秩和自然對數(shù)。檢驗結果箱的M1.094F近似。.329df13df287120.000Sig..805對相等總體協(xié)方差矩陣的零假設進行檢驗。典型判別式函數(shù)摘要特征值函數(shù)特征值方差的%累積%正則相關性a11.175100.0100.0.735a.分析中使用了前1個典型判別式函數(shù)。Wilks的Lambda函數(shù)檢驗Wilks的Lambda卡方dfSig.1.46016.3192.000標準化的典型判別式函數(shù)系數(shù)函數(shù)1家庭收入.808房前屋后土地面積.784結構矩陣函數(shù)1家庭收入.642房前屋后土地面積.614判別變量和標準化典型判別式函數(shù)之間的匯聚組間相關性按函數(shù)內(nèi)相關性的絕對大小排序的變量。典型判別式函數(shù)系數(shù)函數(shù)家庭收入.146房前屋后土地面積.759（常量）-10.522非標準化系數(shù)組質(zhì)心處的函數(shù)函數(shù)是否購買割草機1不購買-1.038購買1.038在組均值處評估的非標準化典型判別式函數(shù)分類的臨界點是0。計算過程:-1.038*1/2+1.038*1/2=0分類統(tǒng)計量分類處理摘要已處理的24已排除的缺失或越界組代碼0至少一個缺失判別變量0用于輸出中24組的先驗概率用于分析的案例是否購買割草機先驗未加權的已加權的不購買.5001212.000購買.5001212.000合計1.0002424.000分類函數(shù)系數(shù)是否購買割草機不購買購買家庭收入.9951.298房前屋后土地面積9.37910.954（常量）-51.557-73.399Fisher的線性判別式函數(shù)分類函數(shù)表，可以寫出判別函數(shù)，Y1=-51.557+0.99X1+9.379X2，Y2=-73.399+1.298X1+10.954X2。b,c分類結果預測組成員是否購買割草機不購買購買合計初始計數(shù)不購買10212購買11112%不購買83.316.7100.0購買8.391.7100.0a交叉驗證計數(shù)不購買9312購買21012%不購買75.025.0100.083.3購買16.7100.0僅對分析中的案例進行交叉驗證。在交叉驗證中,每個案例都是按照從該案例以外的所有其他案例派生的函數(shù)來分類的。已對初始分組案例中的87.5%個進行了正確分類。已對交叉驗證分組案例中的79.2%個進行了正確分類。從表中可以看出，在預測的不購買的樣本中，有10個確實沒有購買，有2個購買了，預測精度為83.3%。在預測的購買的樣本中，有11個確實購買了，有1個沒有購買，預測精度為9