聚類(lèi)分析和判別分析實(shí)驗(yàn)報(bào)告

聚類(lèi)分析實(shí)驗(yàn)報(bào)告一、實(shí)驗(yàn)數(shù)據(jù)2013年，在國(guó)內(nèi)外形勢(shì)錯(cuò)綜復(fù)雜的情況下，我國(guó)經(jīng)濟(jì)實(shí)現(xiàn)了平穩(wěn)較快發(fā)展。全年國(guó)內(nèi)生產(chǎn)總值568845億元，比上年增長(zhǎng)7.7%。其中第三產(chǎn)業(yè)增加值262204億元，增長(zhǎng)8.3%，其在國(guó)內(nèi)生產(chǎn)總值中的占比達(dá)到了46.1%，首次超過(guò)第二產(chǎn)業(yè)。經(jīng)濟(jì)的快速發(fā)展也帶來(lái)了就業(yè)的持續(xù)增加，年末全國(guó)就業(yè)人員76977萬(wàn)人，其中城鎮(zhèn)就業(yè)人員38240萬(wàn)人，全年城鎮(zhèn)新增就業(yè)1310萬(wàn)人。隨著我國(guó)城鎮(zhèn)化進(jìn)程的不斷加快，加之農(nóng)業(yè)用地量的不斷衰減，工業(yè)不斷的轉(zhuǎn)型升級(jí)，使得勞動(dòng)力就業(yè)壓力的緩解需要更多的依靠服務(wù)業(yè)的發(fā)展。指標(biāo)選擇根據(jù)指標(biāo)選擇的可行性、針對(duì)性、科學(xué)性等原則，分別從服務(wù)業(yè)的發(fā)展規(guī)模、發(fā)展結(jié)構(gòu)、發(fā)展效益以及發(fā)展?jié)摿Φ确矫孢x擇14個(gè)指標(biāo)來(lái)衡量服務(wù)業(yè)的發(fā)展水平，指標(biāo)體系如表1所示：表1服務(wù)業(yè)發(fā)展水平指標(biāo)體系一級(jí)指標(biāo)二級(jí)指標(biāo)單位計(jì)算方法代碼服務(wù)業(yè)發(fā)展規(guī)模指標(biāo)服務(wù)業(yè)增加值億元∑服務(wù)業(yè)各企事業(yè)單位增加值X1服務(wù)業(yè)就業(yè)人數(shù)萬(wàn)人服務(wù)業(yè)吸納勞動(dòng)力數(shù)量X2服務(wù)業(yè)發(fā)展結(jié)構(gòu)指標(biāo)服務(wù)業(yè)產(chǎn)值比重%服務(wù)業(yè)增加值/GDPX3服務(wù)業(yè)就業(yè)比重%服務(wù)業(yè)就業(yè)人數(shù)/總就業(yè)人數(shù)X4服務(wù)業(yè)發(fā)展效益指標(biāo)人均服務(wù)產(chǎn)品占有量元/人服務(wù)業(yè)增加值/地區(qū)總?cè)丝跀?shù)X5服務(wù)密度元/萬(wàn)平方公里服務(wù)業(yè)增加值/地區(qū)面積X6服務(wù)綜合生產(chǎn)率億元/萬(wàn)人服務(wù)業(yè)增加值/服務(wù)業(yè)就業(yè)人數(shù)X7服務(wù)產(chǎn)品外貿(mào)進(jìn)出口總額萬(wàn)美元服務(wù)產(chǎn)品的進(jìn)口額+出口額X8服務(wù)業(yè)發(fā)展?jié)摿χ笜?biāo)服務(wù)業(yè)貢獻(xiàn)率%服務(wù)增加值/總?cè)丝赬9人均GDP元國(guó)內(nèi)生產(chǎn)總值/總?cè)丝赬10服務(wù)業(yè)增長(zhǎng)速度%（報(bào)告期不變價(jià)服務(wù)業(yè)增加值/基期不變價(jià)服務(wù)業(yè)增加值-1）*100%X11工業(yè)化水平%工業(yè)增加值/國(guó)內(nèi)生產(chǎn)總值X12城市化水平%城鎮(zhèn)人口/總?cè)丝赬13服務(wù)業(yè)全社會(huì)固定資產(chǎn)投資額億元∑服務(wù)業(yè)各行業(yè)固定資產(chǎn)投資額X14（二）指標(biāo)數(shù)據(jù)本次實(shí)驗(yàn)采用的數(shù)據(jù)是我國(guó)31個(gè)?。ㄊ小⒆灾螀^(qū)）2012年的數(shù)據(jù)，原數(shù)據(jù)均來(lái)自《2013中國(guó)統(tǒng)計(jì)年鑒》以及2013年各?。ㄊ?、自治區(qū)）統(tǒng)計(jì)年鑒，不能直接獲得的指標(biāo)數(shù)據(jù)是通過(guò)對(duì)相關(guān)原始數(shù)據(jù)的換算求得。原始數(shù)據(jù)如表2所示：表22012年各地區(qū)服務(wù)業(yè)發(fā)展水平統(tǒng)計(jì)數(shù)據(jù)表地區(qū)X1X2X3X4X5X6X7北京13669.93837.400.760.766.618329.9716.32天津6058.46401.000.470.504.295071.1715.11河北9384.781258.000.350.311.29497.087.46山西4682.95653.100.390.361.30298.857.17內(nèi)蒙古5630.50485.400.350.372.2647.6011.60遼寧9460.121078.000.380.442.16639.208.78吉林4150.36515.800.350.381.51221.478.05黑龍江5540.31662.590.400.331.45117.138.36上海12199.15629.840.600.565.1219240.0419.37江蘇23517.981737.230.440.372.972292.2013.54浙江15681.131288.310.450.352.861540.3912.17安徽5628.481568.300.330.370.94402.033.59福建7737.13929.950.390.362.06623.968.32江西4486.06922.710.350.361.00268.794.86山東19995.812141.100.400.332.061272.819.34河南9157.571740.180.310.280.97548.365.26湖北8208.581266.500.370.341.42441.566.48湖南8643.601401.540.390.351.30408.106.17廣東26519.692037.880.460.342.501474.9513.01廣西4615.30809.000.350.280.99194.995.70海南1339.53193.910.470.401.51378.406.91重慶4494.41617.820.390.381.53545.427.27四川8242.311573.830.350.331.02169.945.24貴州3282.75398.680.480.220.94186.348.23云南4235.72856.680.410.300.91108.614.94西藏377.8081.360.540.401.233.084.64陜西5009.65457.600.350.221.33243.4210.95甘肅2269.61356.640.400.240.8850.026.36青海624.29121.300.330.391.098.675.15寧夏982.52120.500.420.351.52148.878.15新疆2703.18360.370.360.361.2116.287.50表2（續(xù)）地區(qū)X8X9X10X11X12X13X14北京0.8087475.005.060.180.865341.7040810731.90天津0.5393173.004.440.470.824884.6011563427.20河北0.4436584.002.950.350.479469.905056305.50山西0.8233628.004.500.390.514335.201504310.90內(nèi)蒙古0.4063886.006.440.350.585215.201125898.20遼寧0.5056649.002.800.380.6611812.6010408999.70吉林0.3443415.003.650.350.543970.502456300.90黑龍江0.8935711.002.970.400.574619.003759029.10上海1.0785373.003.030.600.893861.1043658695.30江蘇0.5468347.004.150.440.6314804.9054796148.90浙江0.6463374.003.210.450.6311326.7031240135.80安徽0.3428792.002.860.330.478090.903928454.30福建0.4052763.002.780.390.607597.2015593795.70江西0.4528800.003.300.350.484401.403341382.90山東0.5651768.003.650.400.5215875.7024554432.40河南0.4431499.003.060.310.429582.305173880.60湖北0.3738572.003.060.370.548069.903196375.10湖南0.4433480.003.410.390.477931.402194873.20廣東0.6354095.004.080.460.6712348.0098402046.00廣西0.4727952.003.290.350.445386.702948446.00海南0.5732377.003.930.470.521710.201432209.60重慶0.6238914.003.800.390.575503.005320358.20四川0.4329608.003.000.350.4410489.005914359.80貴州0.4419710.005.860.480.364074.60663155.80云南0.3822195.003.740.410.395082.602101373.20西藏0.5822936.002.940.540.23429.00342414.30陜西0.3438564.004.300.350.507215.701479903.20甘肅0.4921978.003.930.400.392236.10890075.20青海0.3833181.002.910.330.47921.70115747.00寧夏0.5036394.007.130.420.51987.90221670.60新疆0.5133796.004.050.360.442685.902517005.90實(shí)驗(yàn)步驟本次實(shí)驗(yàn)是在SPSS中分別利用系統(tǒng)聚類(lèi)法和K均值法進(jìn)行聚類(lèi)分析，具體步驟如下：（一）系統(tǒng)聚類(lèi)法⒈在SPSS窗口中選擇Analyze—Classify—HierachicalCluster,調(diào)出系統(tǒng)聚類(lèi)分析主界面，將變量X1-X14移入Variables框中。在Cluster欄中選擇Cases單選按鈕，即對(duì)樣品進(jìn)行聚類(lèi)（若選擇Variables，則對(duì)變量進(jìn)行聚類(lèi)）。在Display欄中選擇Statistics和Plots復(fù)選框，這樣在結(jié)果輸出窗口中可以同時(shí)得到聚類(lèi)結(jié)果統(tǒng)計(jì)量和統(tǒng)計(jì)圖。⒉點(diǎn)擊Statistics按鈕，設(shè)置在結(jié)果輸出窗口中給出的聚類(lèi)分析統(tǒng)計(jì)量。這里選擇系統(tǒng)默認(rèn)值，點(diǎn)擊Continue按鈕，返回主界面。⒊點(diǎn)擊Plots按鈕，設(shè)置結(jié)果輸出窗口中給出的聚類(lèi)分析統(tǒng)計(jì)圖。選中Dendrogram復(fù)選框和Icicle欄中的None單選按鈕，即只給出聚類(lèi)樹(shù)形圖，而不給出冰柱圖。單擊Continue按鈕，返回主界面。⒋點(diǎn)擊Method按鈕，設(shè)置系統(tǒng)聚類(lèi)的方法選項(xiàng)。ClusterMethod下拉列表用于指定聚類(lèi)的方法，這里選用Ward’smethod，Measure中的Interval中選擇SquaredEuclideandistance，在TransformValues中的Standardize中選擇Zscores，表示對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，其他選擇默認(rèn)選項(xiàng)。單擊Continue按鈕，返回主界面。⒌點(diǎn)擊Save按鈕，指定保存在數(shù)據(jù)文件中的用于表明聚類(lèi)結(jié)果的新變量。這里選用Rangeofsolutions，并在后面的兩個(gè)矩形框中分別輸入3和4，即生產(chǎn)三個(gè)新的分類(lèi)變量，分別表示將樣品分為3類(lèi)、4類(lèi)和5類(lèi)時(shí)的聚類(lèi)結(jié)果。點(diǎn)擊Continue,返回主界面。（二）K均值法1.在SPSS窗口中選擇Analyze—DescriptiveStatistics—Descriptives…，調(diào)出Descriptives主界面，將變量X1-X14移入Variables框中，選中Savestandardizedvaluesasvariables復(fù)選框，然后點(diǎn)擊OK，即對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，以消除量綱的影響。2.在SPSS窗口中選擇Analyze—Classify—K-MeansCluster,調(diào)出K均值聚類(lèi)分析主界面，將變量X1-X14移入Variables框中。將標(biāo)志變量Region移入LabelCaseby框中，在Method框中選擇Iterateclassify,即使用K-means算法不斷計(jì)算新的類(lèi)中心，并替換舊的類(lèi)中心。在NumberofCluster后面的矩形框中輸入想要把樣品聚成的類(lèi)數(shù)，這里輸入4，即將31個(gè)省、市、自治區(qū)分為4類(lèi)，其他按鈕均為系統(tǒng)默認(rèn)。⒊點(diǎn)擊Iterate按鈕，對(duì)迭代參數(shù)進(jìn)行設(shè)置，這里采用系統(tǒng)默認(rèn)的標(biāo)準(zhǔn)。單擊Continue,返回主界面。⒋點(diǎn)擊Save按鈕，設(shè)置保存在數(shù)據(jù)文件中的表明聚類(lèi)結(jié)果的新變量，選中Clustermembership（建立一個(gè)代表聚類(lèi)結(jié)果的變量，默認(rèn)變量名為qcl_1）和Distancefromclustercenter（建立一個(gè)新變量，代表各觀測(cè)變量與其所屬類(lèi)中心的歐幾里得距離），單擊Continue按鈕返回主界面。⒌點(diǎn)擊Options按鈕，指定要計(jì)算的統(tǒng)計(jì)量，選中Initialclustercenters和Clusterinformationforeachcase復(fù)選框，這樣在輸出窗口中將給出聚類(lèi)的初始類(lèi)中心和每個(gè)觀測(cè)量的分類(lèi)信息，包括分配到哪一類(lèi)和該觀測(cè)量距所屬類(lèi)中心的距離，單擊Continue按鈕返回主界面。6.點(diǎn)擊OK，進(jìn)行K均值聚類(lèi)分析程序。三、實(shí)驗(yàn)結(jié)果（一）系統(tǒng)聚類(lèi)法結(jié)果在結(jié)果輸出窗口中可以看到分類(lèi)結(jié)果表(表3)和聚類(lèi)樹(shù)形圖(圖1),具體見(jiàn)表1和圖2所示：從表3和圖1可以清楚的看到，可將樣品分成如下四類(lèi)：第一類(lèi):北京、天津、上海第二類(lèi)：河北、遼寧、安徽、福建、河南、湖北、湖南、四川第三類(lèi)：山西、內(nèi)蒙古、吉林、黑龍江、江西、廣西、海南、重慶、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆第四類(lèi)：江蘇、浙江、山東、廣東表3ClusterMembershipCase5Clusters4Clusters3Clusters1:北京1112:天津2113:河北3224:山西4325:內(nèi)蒙古4326:遼寧3227:吉林4328:黑龍江4329:上海21110:江蘇54311:浙江54312:安徽32213:福建32214:江西43215:山東54316:河南32217:湖北32218:湖南32219:廣東54320:廣西43221:海南43222:重慶43223:四川32224:貴州43225:云南43226:西藏43227:陜西43228:甘肅43229:青海43230:寧夏43231:新疆432DendrogramusingWardMethodRescaledDistanceClusterCombineCASE0510152025LabelNum++++++湖北17-+湖南18-+河北3-+-+河南16-+|四川23-+++安徽12-+||遼寧6-+-+|福建13-+|貴州24-+-+++寧夏30-+++||內(nèi)蒙古5+|||吉林7-+|||新疆31-+|||青海29-+++|江西14-+||廣西20-++||云南25-+|||甘肅28-+|||陜西27-++-+|山西4-+||重慶22-+-+||黑龍江8-++-+|海南21-+-+|西藏26-+|江蘇10-+|浙江11-+-+|山東15-+++|廣東19+++天津2++|上海9+++北京1+圖1聚類(lèi)樹(shù)形圖（二）K均值法結(jié)果表4ClusterMembershipCaseNumber地區(qū)ClusterDistance1北京1.0002天津23.0463河北31.8824山西32.1375內(nèi)蒙古33.4386遼寧42.8907吉林31.4438黑龍江32.6679上海23.04610江蘇41.43111浙江41.37412安徽32.42213福建32.09714江西31.10215山東41.83516河南32.72317湖北31.68018湖南31.52719廣東43.07420廣西31.09221海南32.25122重慶31.23523四川32.31924貴州33.09825云南31.33226西藏33.95327陜西32.06028甘肅31.73229青海32.29530寧夏33.58331新疆31.175由表4可知，將31個(gè)?。ㄖ陛犑?、自治區(qū)）分為四類(lèi)的結(jié)果為：第一類(lèi)：北京第二類(lèi)：天津、上海第三類(lèi)：河北、山西、內(nèi)蒙古、吉林、黑龍江、安徽、福建、江西、河南、湖北、湖南、廣西、海南、重慶、四川、貴州、云南、西藏、山西、甘肅、青海、寧夏、新疆第四類(lèi)：遼寧、江蘇、浙江、山東、廣東（三）聚類(lèi)結(jié)果分析從系統(tǒng)聚類(lèi)結(jié)果和K均值法聚類(lèi)結(jié)果可以看出，二者最終的聚類(lèi)結(jié)果是有差距的。因而，在實(shí)際的聚類(lèi)案例中，我們應(yīng)該具體問(wèn)題具體分析，選擇合適的聚類(lèi)方法，進(jìn)行合理的聚類(lèi)。判別分析實(shí)驗(yàn)報(bào)告為研究我國(guó)服務(wù)業(yè)發(fā)展水平，已按系統(tǒng)聚類(lèi)法將27個(gè)已知?。ㄖ陛犑?、自治區(qū)）分為4類(lèi)，現(xiàn)對(duì)另4個(gè)未知?。ㄖ陛犑?、自治區(qū)）分屬哪一類(lèi)進(jìn)行判別，指標(biāo)含義及原始數(shù)據(jù)分別如表1和表2所示：表1服務(wù)業(yè)發(fā)展水平指標(biāo)含義代碼指標(biāo)X1服務(wù)業(yè)增加值X2服務(wù)業(yè)就業(yè)人數(shù)X3服務(wù)業(yè)產(chǎn)值比重X4服務(wù)業(yè)就業(yè)比重X5人均服務(wù)產(chǎn)品占有量X6服務(wù)密度X7服務(wù)綜合生產(chǎn)率X8服務(wù)業(yè)貢獻(xiàn)率X9人均GDPX10服務(wù)業(yè)增長(zhǎng)速度X11工業(yè)化水平X12城市化水平X13服務(wù)業(yè)全社會(huì)固定資產(chǎn)投資X14外貿(mào)進(jìn)出口總額表22012年我國(guó)服務(wù)業(yè)發(fā)展水平統(tǒng)計(jì)數(shù)據(jù)表類(lèi)別地區(qū)X1X2X3X4X5X6X71北京13669.93837.400.760.766.618329.9716.321天津6058.46401.000.470.504.295071.1715.111上海12199.15629.840.600.565.1219240.0419.372河北9384.781258.000.350.311.29497.087.462遼寧9460.121078.000.380.442.16639.208.782安徽5628.481568.300.330.370.94402.033.592福建7737.13929.950.390.362.06623.968.322河南9157.571740.180.310.280.97548.365.262湖北8208.581266.500.370.341.42441.566.482四川8242.311573.830.350.331.02169.945.243山西4682.95653.100.390.361.30298.857.173內(nèi)蒙古5630.50485.400.350.372.2647.6011.603吉林4150.36515.800.350.381.51221.478.053黑龍江5540.31662.590.400.331.45117.138.363廣西4615.30809.000.350.280.99194.995.703海南1339.53193.910.470.401.51378.406.913貴州3282.75398.680.480.220.94186.348.233云南4235.72856.680.410.300.91108.614.943西藏377.8081.360.540.401.233.084.643陜西5009.65457.600.350.221.33243.4210.953甘肅2269.61356.640.400.240.8850.026.363青海624.29121.300.330.391.098.675.153寧夏982.52120.500.420.351.52148.878.153新疆2703.18360.370.360.361.2116.287.504江蘇23517.981737.230.440.372.972292.2013.544浙江15681.131288.310.450.352.861540.3912.174廣東26519.692037.880.460.342.501474.9513.01待判湖南8643.601401.540.390.351.30408.106.17待判江西4486.06922.710.350.361.00268.794.86待判山東19995.812141.100.400.332.061272.819.34待判重慶4494.41617.820.390.381.53545.427.27表2（續(xù)）類(lèi)型地區(qū)X8X9X10X11X12X13X141北京0.8087475.005.060.180.865341.7040810732.001天津0.5393173.004.440.470.824884.6011563427.001上海1.0785373.003.030.600.893861.1043658695.002河北0.4436584.002.950.350.479469.905056306.002遼寧0.5056649.002.800.380.6611812.6010409000.002安徽0.3428792.002.860.330.478090.903928454.002福建0.4052763.002.780.390.607597.2015593796.002河南0.4431499.003.060.310.429582.305173881.002湖北0.3738572.003.060.370.548069.903196375.002四川0.4329608.003.000.350.4410489.005914360.003山西0.8233628.004.500.390.514335.201504311.003內(nèi)蒙古0.4063886.006.440.350.585215.201125898.003吉林0.3443415.003.650.350.543970.502456301.003黑龍江0.8935711.002.970.400.574619.003759029.003廣西0.4727952.003.290.350.445386.702948446.003海南0.5732377.003.930.470.521710.201432210.003貴州0.4419710.005.860.480.364074.60663156.003云南0.3822195.003.740.410.395082.602101373.003西藏0.5822936.002.940.540.23429.00342414.003陜西0.3438564.004.300.350.507215.701479903.003甘肅0.4921978.003.930.400.392236.10890075.003青海0.3833181.002.910.330.47921.70115747.003寧夏0.5036394.007.130.420.51987.90221671.003新疆0.5133796.004.050.360.442685.902517006.004江蘇0.5468347.004.150.440.6314804.9054796149.004浙江0.6463374.003.210.450.6311326.7031240136.004廣東0.6354095.004.080.460.6712348.0098402046.00待判湖南0.4433480.003.410.390.477931.402194873.00待判江西0.4528800.003.300.350.484401.403341383.00待判山東0.5651768.003.650.400.5215875.7024554432.00待判重慶0.6238914.003.800.390.575503.005320358.00一、操作步驟（一）在SPSS窗口中選擇Analyze—DescriptiveStatistics—Descriptives…，調(diào)出Descriptives主界面，將變量X1-X14移入Variables框中，選中Savestandardizedvaluesasvariables復(fù)選框，然后點(diǎn)擊OK，即對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，以消除量綱的影響。（二）在SPSS窗口中選擇Analyze—Classify—Discriminate，調(diào)出判別分析主界面，將左邊的變量列表中的type變量選入分組變量GroupingVariable中，將X1-X14變量選入自變量Independents中，并選擇Enterindependentstogether單選按鈕，即使用所有自變量進(jìn)行判別分析。（三）點(diǎn)擊DefineRange按鈕，定義分組變量的取值范圍。這里分類(lèi)變量的范圍為1到4，所以在最小值和最大值中分別輸入1和4。單擊Continue按鈕，返回主界面。（四）單擊Statistics…按鈕，指定輸出的描述統(tǒng)計(jì)量和判別函數(shù)系數(shù)。選中FunctionCoefficients欄中的Fisher’s(給出貝葉斯判別函數(shù)的系數(shù))和Unstandardized（給出為標(biāo)準(zhǔn)化的費(fèi)希爾判別函數(shù)），單擊Continue按鈕，返回主界面。（五）單擊Classify…按鈕，定義判別分組參數(shù)和選擇輸出結(jié)果。選擇Display欄中的Casewiseresults，輸出一個(gè)判別結(jié)果表，包括每個(gè)樣品的判別分?jǐn)?shù)、后驗(yàn)概率、實(shí)際組合預(yù)測(cè)編號(hào)等。其余的均保留系統(tǒng)默認(rèn)選項(xiàng)。單擊Continue按鈕，返回主界面。（六）單擊Save按鈕，指定在數(shù)據(jù)文件中生成代表判別分組結(jié)果和判別得分的新變量，生成的新變量的含義分別為：Predictedgroupmembership（存放判別樣品所屬組別的值）；Discriminantscores（存放費(fèi)希爾判別得分的值）；Probabilitiesofgroupmembership（存放樣品屬于各組的貝葉斯后驗(yàn)概率），這里將三個(gè)復(fù)選框均選中，單擊Continue按鈕返回主界面。（七）返回判別分析主界面，單擊OK按鈕，運(yùn)行判別分析過(guò)程。二、個(gè)案觀察結(jié)果表3StandardizedCanonicalDiscriminantFunctionCoefficientsFunction123Zscore(x1)-1.077-2.380-1.699Zscore(x2)-.9511.1431.285Zscore(x3)17.6281.8906.112Zscore(x4)-.862-.176-.533Zscore(x5)-26.097-1.867-7.635Zscore(x6)5.976.8352.285Zscore(x7)-1.4081.174-.992Zscore(x8)1.183.108-.120Zscore(x9)19.4331.7966.959Zscore(x10).268-.220-.279Zscore(x11)-11.585-1.507-3.211Zscore(x12)1.764.030.885Zscore(x13).443-.374.628Zscore(x14).687.576.465表3為標(biāo)準(zhǔn)化典型判別函數(shù)的系數(shù)表，由該表可以得到典型判別函數(shù)為：Y=-1.077X-0.951X+1.890X-0.862X-26.097X+5.976X-1.408X+1.183X+19.433X+0.268X-11.585X+1.764X+0.443X+0.687XY=-2.380X+1.143X+17.628X-0.176X-1.867X+0.835X+1.174X+0.108X+1.796X-0.220X-1.507X+0.030X-0.374X+0.576XY=-1.699X+1.285X+6.112X-0.533X-7.635X+2.285X-0.992X-0.120X+6.959X-0.279X-3.211X+0.885X+0.628X+0.465X表4CanonicalDiscriminantFunctionCoefficientsFunction123Zscore(x1)-2.698-5.963-4.258Zscore(x2)-2.0222.4292.730Zscore(x3)24.8852.6688.628Zscore(x4)-1.270-.259-.784Zscore(x5)-66.534-4.759-19.465Zscore(x6)10.0841.4093.856Zscore(x7)-2.7212.269-1.917Zscore(x8)1.339.122-.136Zscore(x9)36.4543.37013.053Zscore(x10).273-.225-.284Zscore(x11)-10.965-1.426-3.039Zscore(x12)2.926.0501.468Zscore(x13).986-.8321.398Zscore(x14)1.2681.062.857(Constant).145-.284.188Unstandardizedcoefficients表4為未標(biāo)準(zhǔn)化的典型判別函數(shù)的系數(shù)表。該表可以得到典型判別函數(shù)為：Y=-2.6