判別分析的SPSS實(shí)現(xiàn)PPT參考幻燈片

1、判別分析的 SPSS實(shí)現(xiàn),1,SPSS提供的建立判別函數(shù)的方法有： 1.全模型法：把所有的變量放入判別函數(shù)中 2.逐步判別法 判別分析的步驟 對(duì)于分為m類的研究對(duì)象，建立m個(gè)線性判別函數(shù)，對(duì)測(cè)試的樣本代入判別函數(shù)，得出判別得分，從而確定該樣本屬于哪一類。,2,Discriminant,3,Discriminant對(duì)話框,4,Grouping Variable：已知的觀測(cè)量所屬類別的變量（分類變量） Independents：觀測(cè)量，即參與判別分析的變量。 Use Stepwise method ：當(dāng)不認(rèn)為所有自變量都能對(duì)觀測(cè)量特性提供豐富的信息時(shí)，使用該選擇項(xiàng)。因此根據(jù)對(duì)判別貢獻(xiàn)的大小進(jìn)行選擇

2、。 Enter independent together ：當(dāng)所有自變量都能對(duì)觀測(cè)量特性提供豐富的信息時(shí)，使用該選擇項(xiàng)。選擇該項(xiàng)將不加選擇地使用所有自變量進(jìn)行判別分析，建立全模型。不需要進(jìn)一步進(jìn)行選擇。,5,選擇分類變量及其范圍,在主對(duì)話框中左面的矩形框中選擇表明已知的觀測(cè)量所屬類別的變量（一定是離散變量，按上面一個(gè)箭頭按鈕，使該變量名移到箭頭按鈕右面，“Grouping Variable”下面的矩形框此時(shí)矩形框下面的“Define range”按鈕加亮，按該按鈕，屏幕顯示一個(gè)小對(duì)話框，供指定該分類變量的數(shù)值范圍。定義分類變量范圍的小對(duì)話框如下圖 所示。 在Minimum：后面的矩形框中輸入該

3、分類變量的最小值；在Muximurn：后面的矩形框中輸入該分類變量的最大值。,6,分類變量范圍對(duì)話框,2,7,指定判別分析的自變量 在主對(duì)話框的左面的變量表中選擇表明觀測(cè)量特征的變量，按下面一個(gè)箭頭按鈕，把選中的變量移到“Independents:”下面的矩形框中，作為參與判別分析的變量。,8,Indepents對(duì)話框,數(shù)據(jù)變量輸入框,9,數(shù)據(jù)判別分析 完成前面四步驟的操作即可使用各種系統(tǒng)默認(rèn)值對(duì)工作數(shù)據(jù)集的數(shù)據(jù)進(jìn)行判別分析了。可以使用的方法有兩種： (1)直接運(yùn)行：在主對(duì)話框中按（用鼠標(biāo)單擊）Ok按鈕 (2)生成SPSS命令程序后再運(yùn)行：在主對(duì)話框中按Paste按鈕，激活Syntax窗，在該

4、窗中按Run按鈕執(zhí)行該語句窗中的程序。 無論哪種方法均可在output窗中顯示出分析結(jié)果。 完全使用系統(tǒng)默認(rèn)值進(jìn)行判別分析，其結(jié)果有時(shí)不能令人滿意，因此根據(jù)以下步驟指定選擇項(xiàng)是很有必要的。,10,選擇觀測(cè)量 如果希望使用一部分觀測(cè)量進(jìn)行判別函數(shù)的推導(dǎo)，而且有一個(gè)變量的某個(gè)值可以作為某些觀測(cè)量的標(biāo)識(shí)，則用Select功能進(jìn)行選擇。操作方法是，單擊“Select”按鈕展開小選擇框，在“Vaiable：”后面矩形框中輸入該變量的變量名，在“Value：”后面輸入標(biāo)識(shí)參與分析的觀測(cè)量所具有的該變量值。一般均使用數(shù)據(jù)文件中的所有合法觀測(cè)量。此步驟可以省略。,11,Select功能選擇,12,選擇分析方法

5、 在主對(duì)話框中自變量矩形框下面有兩個(gè)選擇項(xiàng)，被選中的方法前面的圓圈中加有黑點(diǎn)。這兩個(gè)選擇項(xiàng)是選擇判別分析方法的。 （1）Enter independent together 當(dāng)你認(rèn)為所有自變量都能對(duì)觀測(cè)量特性提供豐富的信息時(shí)，使用該選擇項(xiàng)。選擇該項(xiàng)將不加選擇地使用所有自變量進(jìn)行判別分析，建立全模型。不需要進(jìn)一步進(jìn)行選擇。,13,（2）Use Stepwise method 當(dāng)你不認(rèn)為所有自變量都能對(duì)觀測(cè)量特性提供豐富的信息時(shí)，使用該選擇項(xiàng)。因此根據(jù)對(duì)判別貢獻(xiàn)的大小進(jìn)行選擇。當(dāng)鼠標(biāo)單擊該項(xiàng)時(shí)，Method按鈕加亮。可以進(jìn)一步判別分析方法。 單擊“Method”按鈕，展開“Stepwise met

6、hod”對(duì)話框（子對(duì)話框）如下圖所示。,14,Stepwise method對(duì)話框,15,選擇進(jìn)行逐步判別分析的方法 選擇判別分析方法在Method組的矩形框中進(jìn)行?？晒┻x擇的判別分析方法有： Wilkslambda 使Wilk的統(tǒng)計(jì)量最小化法。 Unexplained variance 使各類不可解釋的方差和最小化法。 Mahalanobisdistance 使最近兩類間的 Mahalanobis距離最大化法。,16,Smallest F ratio。使任何兩類間的最小的F值最大化法。 Rao V 使 RaoV統(tǒng)計(jì)量最大化?？梢詫?duì)一個(gè)要加入到模型中的變量的V值指定一個(gè)最小增量。選擇此種方法后

7、，應(yīng)該在該項(xiàng)下面的V to dntce后的矩形框中輸這個(gè)增量的指定值。,17,選擇逐步判別停止的判據(jù) 選擇逐步判別停止的判據(jù)在criteria組的矩形框中進(jìn)行?？晒┻x擇的判據(jù)有： Use F value：使用F值，是系統(tǒng)默認(rèn)的判據(jù)，默認(rèn)值是：Entry：3.84；removal：2.71。即當(dāng)被加入的變量F值=3.84時(shí)才把該變量加入到模型中，否則變量不能進(jìn)入模型；或者，當(dāng)要從模型中移出的變量F值=2.71時(shí)，該變量才被移出模型，否則模型中的變量不會(huì)被移出。應(yīng)該使Entry值（加入變量的F值）removal值（移出變量的F值）,18,Use probability of F：使用F值的概率。加

8、入變量的F值概率的默認(rèn)值是0.05（5）；移出變量的q值概率是0.10（10）。removal值（移出變量的正值概率）Entry值（加入變量的F值概率）。,19,顯示內(nèi)容的選擇 對(duì)于逐步選擇變量的過程和最后結(jié)果的顯示可以通過Method對(duì)話框最下面的Display矩形框中的三項(xiàng)進(jìn)行選擇： Resul at each step要求在逐步選擇變量過程中的每一步之后顯示每個(gè)變量的統(tǒng)計(jì)量。 Summary僅要求顯示加入或移出模型的變量的綜計(jì)量。即選擇變量的小結(jié)。 F for Pairwise distances要求顯示兩兩類之間的兩兩 F值矩陣。 當(dāng)以上三項(xiàng)都給予了確定的選擇后，單擊continue按

9、鈕，返回主對(duì)話框。,20,指定輸出的統(tǒng)計(jì)量 單擊“statistics”按鈕，展開相應(yīng)的子對(duì)話框，如下圖所示。 可以選擇的輸出統(tǒng)計(jì)量分為以下三類： （1）描述統(tǒng)計(jì)量 在Descriptives組的矩形框中可以選擇對(duì)原始數(shù)據(jù)的描述統(tǒng)計(jì)量的輸出： Means選擇此項(xiàng)可以輸出各類中各自變量的均值MEAN、標(biāo)準(zhǔn)差Std Dev和各自變量總樣本的均值和標(biāo)準(zhǔn)差。 Univariate ANOVA對(duì)各類中同一自變量均值都相等的假設(shè)進(jìn)行檢驗(yàn)，輸出單變量的方差分析結(jié)果。 Boxs M對(duì)每類的協(xié)方差矩陣是從同一總體中采樣得來的假設(shè)進(jìn)行檢驗(yàn)，輸出檢驗(yàn)結(jié)果。,21,Statistics,22,（2）判別函數(shù)系數(shù) 在F

10、uction coefficients組的矩形框中選擇判別函數(shù)系數(shù)的輸出形式： Fishers可以直接用于對(duì)新樣本進(jìn)行判別分類的費(fèi)雪系數(shù)。 Unstandardized未經(jīng)標(biāo)準(zhǔn)化處理的判別系數(shù)。可用于計(jì)算判別分?jǐn)?shù)。,23,（3）自變量的系數(shù)矩陣 在Matrices組的矩形框中選擇要求給出的矩陣： within-groups correlation matrix類內(nèi)相關(guān)矩陣 within-groups covariance matrix類內(nèi)協(xié)方差矩陣 Separate-groups covariance matrices對(duì)每類輸出一個(gè)類間協(xié)方差矩陣 Total covariance matrix

11、總樣本的協(xié)方差矩陣 以上三項(xiàng)都給予了確定的選擇后，單擊continue按鈕，返回主對(duì)話框。,24,指定分類參數(shù)和判別結(jié)果 在主對(duì)話框中單擊“classify”按鈕，展開相應(yīng)的子對(duì)話框，如下圖所示。 （1）在Prior Probabilities組的矩形框中選擇先驗(yàn)概率，兩者選其一。 All groups equal各類先驗(yàn)概率相等。若分為m類，則各類先驗(yàn)概率均為1m。 computer from group sizes由各類的樣本量計(jì)算決定在各類的先驗(yàn)概率與其樣本比。,25,Classifiction對(duì)話框,26,（2）選擇分類使用的協(xié)方差矩陣 在Use covariance Matrix組的

12、矩形框中選擇分析使用的協(xié)方差矩陣。兩者選其一。 Within-groups指定使用組內(nèi)協(xié)方差矩陣。 Seperate-groups指定使用組間協(xié)方差矩陣。,27,（3）選擇要求輸出的統(tǒng)計(jì)圖 在Plots組的矩形框中選擇，可以并列選擇。 combined-groups 所有類放在一張散點(diǎn)圖中。便于比較。此選擇項(xiàng)生成一張散點(diǎn)圖。 Seperate-groups對(duì)每一類生成一張散點(diǎn)圖。共分為幾類就生成幾張散點(diǎn)圖。 Territoreal map 如果對(duì)一個(gè)觀測(cè)量只能計(jì)算出一個(gè)判別分?jǐn)?shù)，則利用觀測(cè)量的判別做作圖，如果有兩個(gè)以上判別分?jǐn)?shù)，則用頭兩個(gè)判別分?jǐn)?shù)作圖。此種統(tǒng)計(jì)圖力圖把一張圖的平面劃分出與類數(shù)相

13、同的區(qū)域。每一類占據(jù)一個(gè)區(qū)。,28,（4）選擇生成到輸出窗中的分類結(jié)果 在 Displsy組的矩形框中選擇輸出項(xiàng)： Results for each case要求輸出每個(gè)觀測(cè)量的分類結(jié)果。 Summary table要求輸出分類的小結(jié)，給出錯(cuò)分率。,29,（5）缺失值處理方式 在classification子對(duì)話框的最下面有一個(gè)選擇項(xiàng)，用以選擇對(duì)缺失值的處理方法。 Replace missing value with mean用該變量的均值代替缺失值。該選擇項(xiàng)前面的小矩形框中出現(xiàn)x時(shí)表示選定所示的處理方法。 以上五項(xiàng)都給予了確定的選擇后，單擊continue按鈕，返回主對(duì)話框。,30,指定生成

14、并保存在數(shù)據(jù)文件中的新變量 Descriminant過程可以在數(shù)據(jù)文件中建立新變量，通過Save New Vaiables子對(duì)話框進(jìn)行選擇。 在主對(duì)話框中單擊“Save”按鈕，展開“Save New Vaiables”子對(duì)話框。如下圖所示。,31,Save對(duì)話框,32,在工作數(shù)據(jù)文件中建立以下三個(gè)新變量，可以選擇。 Predicted group membership要求建立一個(gè)新變量，表明預(yù)測(cè)的類成員。指定此項(xiàng)后，每行一次Descriminant過程，就建立一個(gè)表明使用判別函數(shù)預(yù)測(cè)的各觀測(cè)量屬于哪一類的新變量。第一次運(yùn)行建立新變量的變量名為dis-1,如果在工作數(shù)據(jù)文件中不把前一次建立的新變

15、刪除，第n次運(yùn)行Descriminant過程建立的新變量默認(rèn)的變量名為dis-n。,33,Descriminant score要求建立表明判別分?jǐn)?shù)的新變量。每次運(yùn)行 Descriminant過程都給出組表明判別分?jǐn)?shù)的新變量。建立幾個(gè)典則判別函數(shù)就有幾個(gè)判別分?jǐn)?shù)變量。參與分析的觀測(cè)量共分為m類，則建立ml個(gè)典則判別函數(shù)，指定該選擇項(xiàng)，就可以生成ml個(gè)表明判別數(shù)的新變量。例如，原始數(shù)據(jù)觀測(cè)量共分為3類，建立兩個(gè)典則判別函數(shù)。第一次運(yùn)行判別過程建立的新變量名為dis1_1,dis2_1，第二次運(yùn)行判別過程建立的新變量名為dis1_2,dis2_2依此類推。分別表示代入第一和第二個(gè)判別函數(shù)所得到的判別

16、分?jǐn)?shù)。,34,Probabilities of group membership要求建立新變量表明觀測(cè)量屬于某一類的概率。有m類，對(duì)一個(gè)觀測(cè)量就會(huì)給出m個(gè)概率值，因此建立m個(gè)新變量。例如，原始和預(yù)測(cè)分類數(shù)是：指定該選擇項(xiàng)，在第一次運(yùn)行判別過程后，給出的表明分類概率的新變量名為dis1_2,dis2_2，dis3_2. 選擇了新變量類型后，按continue,35,運(yùn)行帶有選擇項(xiàng)的判別分析過程 運(yùn)行Descriminant過程有兩種方法： （1）在主對(duì)話框中按Ok按鈕，直接運(yùn)行Descriminant過程。 （2）在主對(duì)話框中按Paste按鈕，將以上操作結(jié)果轉(zhuǎn)換成Descriminant過程的命

17、令程序，顯示在Syntax窗中。 在Syntax窗中可以按照Descriminant命令語句格式進(jìn)一步修改粘貼則窗中的各子命令語句。然后按Run按鈕，將窗中的程序語句提交給系統(tǒng)執(zhí)行。,36,逐步判別分析 （1）逐步判別分析方法與判據(jù)的選擇 逐步判別在操作步驟方面只有在選擇方法一點(diǎn)上與前面所敘述的方法有所區(qū)別，即在Discriminant過程主對(duì)話框中應(yīng)該選擇Use stepwise method。當(dāng)單擊該選擇項(xiàng)時(shí)，其前面的圓圈中出現(xiàn)黑點(diǎn)，同時(shí)Method按鈕加亮表示可以進(jìn)一步選擇分析方法或判據(jù)了。,37,單擊Method按鈕，展開stepwise method對(duì)話框。在對(duì)話框中顯示出系統(tǒng)默認(rèn)的

18、逐步區(qū)別方法是Milks Lambra。其判據(jù)是：進(jìn)入模型的F值為3.84；從模型中剔除變量的F值為2.71。不熟悉統(tǒng)計(jì)分析的用戶可以不再進(jìn)一步選擇，直接使用系統(tǒng)默認(rèn)的分析方法和判據(jù).,38,逐步判別方法的選擇 Milks Lambra使Milks統(tǒng)計(jì)量最小。是系統(tǒng)默認(rèn)的方法。 Unexplained variance使各類不可解釋的方差和最小。 Mahalanobis distance使最近的兩組間的馬哈拉諾比斯距離最小。 smallest F ratio。使任何兩組間的最小的 F值最大。 Raos V使 Rao的 V統(tǒng)計(jì)量最大。在選擇并指定使用此種方法后，該項(xiàng)下面的文字加亮，可以在V to

19、 enter毫米的矩形框中輸入一個(gè)變量進(jìn)入模型的 V值的最小增量。,39,關(guān)于判據(jù)的選擇方法 可以從兩者指定判據(jù)的方法中選擇一種，并在每種方法的兩個(gè)矩形框中輸入判據(jù)的具體數(shù)值。 Use F value用F值作判據(jù)。在該項(xiàng)下面的兩個(gè)矩形框中輸人： Entry：后面的矩形框中輸入進(jìn)入模型的F值。只有變量的F值大于這個(gè)指定值時(shí)，變量進(jìn)入模型。 Remove：在后面的矩形框中輸入把變量移出模型的F值。當(dāng)變量的F值小于該值時(shí)，變量從模型中剔除。 應(yīng)該注意，Entry值必須大于Remove值，否則，模型中將不會(huì)有變量。,40,顯示內(nèi)容的選擇 在Stepwise Method對(duì)話框的最下面一行可以選擇要求顯

20、示在輸出窗中的內(nèi)容。對(duì)于逐測(cè)分析可以選擇以下輸出： Results at each step給出每一步選擇變量工作完成后各變量的統(tǒng)計(jì)量。給出哪些統(tǒng)計(jì)量要看使用什么判據(jù)。使用F值作判據(jù)則給出各變量的F值；使用F值的概率作判據(jù)則給出量的F值的概率。 Summery僅對(duì)被加入或移出模型的變量給出統(tǒng)計(jì)量。 F for pairwise distances顯示 F比值矩陣。對(duì)每?jī)深愶@示一對(duì)F比值。,41,(2)逐步判別分析操作步驟 我們采用Milks Lambra方法進(jìn)行逐步判別分析。使用F值作為判據(jù)統(tǒng)計(jì)量。當(dāng)F=30時(shí)變量進(jìn)入模型；當(dāng)F=5時(shí)，變量從模型中移出。,42,操作步驟如下： 第一、從主菜單的

21、Statistics，經(jīng)classify到Discriminant Analysis逐一選擇各菜單的菜單直到展開Discriminant Analysis對(duì)話框。 第二、Independents：slen、swidPlen、Pwid；Group variables：spno（1，3）選擇變量slen、swidPlen、Pwid作為判別分析的自變量；spno作為分類變量。,43,第三、按Method按鈕，展開相應(yīng)的選擇逐步判別分析方法和判據(jù)的對(duì)話框。 在Method（方法）矩形框中選擇Milks Lambra； 在 criteria（判據(jù)）矩形框中選擇Use F value, Entry=30、Remove=5； 在Display（顯示）矩形框中選擇在輸出窗中顯示的內(nèi)容： Results at each step 要求顯示每一步選擇變量的結(jié)果。 Summary要求顯示逐步選擇變量子集的小結(jié)。 F for pairwise distance 要求顯示每?jī)深愔g的成對(duì)的F矩陣。,44