SPSS操作方法：判别分析例题

为研究1991年中国城镇居民月平均收入状况，按 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 化欧氏平方距离、离差平方和聚类方法将30个省、市、自治区．分为三种类型。试建立判别函数，判定广东、西藏分别属于哪个收入类型。判别指标及原始数据见表9-4。 1991年30个省、市、自治区城镇居民月平均收人数据表 单位：元／人 x1：人均生活费收入                        x6：人均各种奖金、超额工资(国有+集体) x2：人均国有经济单位职工工资              x7：人均各种津贴(国有+集体) x3：人均来源于国有经济单位标准工资      x8：人均从工作单位得到的其他收入 x4：人均集体所有制工资收入                x9：个体劳动者收入 x5：人均集体所有制职工标准工资 样品序号 地区 x1 x2 x3 x4 x5 x6 x7 x8 x9 类 序号 G1 1 北 京 170.03 110.2 59.76 8.38 4.49 26.80 16.44 11.9 0.41 2 天 津 141.55 82.58 50.98 13.4 9.33 21.30 12.36 9.21 1.05 3 河 北 119.40 83.33 53.39 11.0 7.52 17.30 11.79 12.0 0.70 4 上 海 194.53 107.8 60.24 15.6 8.88 31.00 21.01 11.8 0.16 5 山 东 130.46 86.21 52.30 15.9 10.5 20.6l 12.14 9.61 0.47 6 湖 北 119.29 85.41 53.02 13.1 8.44 13.87 16.47 8.38 0.51 7 广 西 134.46 98.61 48.18 8.90 4.34 21.49 26.12 13.6 4.56 8 海 南 143.79 99.97 45.60 6.30 1.56 18.67 29.49 11.8 3.82 9 四 川 128.05 74.96 50.13 13.9 9.62 16.14 10.18 14.5 1.21 10 云 南 127.41 93.54 50.57 10.5 5.87 19.41 21.20 12.6 0.90 11 新 疆 122.96 101.4 69.70 6.30 3.86 11.30 18.96 5.62 4.62 G2 1 山 西 102.49 71.72 47.72 9.42 6.96 13.12 7.9 6.66 0.61 2 内蒙古 106.14 76.27 46.19 9.65 6.27 9.655 20.1O 6.97 0.96 3 吉 林 104.93 72.99 44.60 13.7 9.01 9.435 20.61 6.65 1.68 4 黑龙江 103.34 62.99 42.95 11.1 7.4l 8.342 10.19 6.45 2.68 5 江 西 98.089 69.45 43.04 11.4 7.95 10.59 16.50 7.69 1.08 6 河 南 104.12 72.23 47.31 9.48 6.43 13.14 10.43 8.30 1.11 7 贵 州 108.49 80.79 47.52 6.06 3.42 13.69 16.53 8.37 2.85 8 陕 西 113.99 75.6 50.88 5.21 3.86 12.94 9.492 6.77 1.27 9 甘 肃 114.06 84.31 52.78 7.81 5.44 10.82 16.43 3.79 1.19 10 青 海 108.80 80.41 50.45 7.27 4.07 8.371 18.98 5.95 0.83 11 宁 夏 115.96 88.2l 51.85 8.81 5.63 13.95 22.65 4.75 0.97 G3 1 辽 宁 128.46 68.91 43.4l 22.4 15.3 13.88 12.42 9.01 1.41 2 江 苏 135.24 73.18 44.54 23.9 15.2 22.38 9.661 13.9 1.19 3 浙 江 162.53 80.11 45.99 24.3 13.9 29.54 10.90 13.0 3.47 4 安 徽 111.77 71.07 43.64 19.4 12.5 16.68 9.698 7.02 0.63 5 福 建 139.09 79.09 44.19 18.5 10.5 20.23 16.47 7.67 3.08 6 湖 南 124.00 84.66 44.05 13.5 7.47 19.11 20.49 10.3 1.76 待判 1 广 东 211.30 114.0 41.44 33.2 11.2 48.72 30.77 14.9 11.1 2 西 藏 175.93 163.8 57.89 4.22 3.37 17.81 82.32 15.7 0.00                         贝叶斯判别的SPSS操作方法： 1. 建立数据文件 2．单击Analyze→ Classify→ Discriminant，打开Discriminant Analysis判别分析对话框如图1所示： 图1  Discriminant Analysis判别分析对话框 3．从对话框左侧的变量列表中选中进行判别分析的有关变量x1~x9进入Independents 框，作为判别分析的基础数据变量。 从对话框左侧的变量列表中选分组变量Group进入Grouping Variable框，并点击Define Range...钮，在打开的Discriminant Analysis: Define Range对话框中，定义判别原始数据的类别数，由于原始数据分为3类，则在Minimum（最小值）处输入1，在Maximum（最大值）处输入3（见图2）。。选择后点击Continue按钮返回Discriminant Analysis主对话框。 图2  Define Range对话框 4、选择分析方法 ? Enter independent together 所有变量全部参与判别分析（系统默认）。本例选择此项。 ? Use stepwise method 采用逐步判别法自动筛选变量。 单击该项时Method 按钮激活，打开Stepwise Method对话框如图3所示，从中可进一步选择判别分析方法。 图3  Stepwise Method对话框 ? Method栏，选择变量的统计量方法 Wilks’lambda （默认）按统计量Wilks λ最小值选择变量； Unexplained variance ：按照所有组方差之和最小值选择变量； Mahalanobis’distance：按照相邻两组的最大马氏距离选择变量； Smallest F ratio：按组间最小F值比的最大值选择变量； Rao’s V按照统计量Rao V最大值选择变量。 ? Criteria 选择逐步回归的标准（略）选择系统默认项。 5. 单击Statistics 按钮，打开Statistics对话框如图4所示，从中指定输出的统计量。 ? Descriptives描述统计量栏 Means -各类中各自变量的均值，标准差std Dev 和各自变量总样本的均值和标准差（本例选择）。 Univariate ANOV----对各类中同一自变量均值都相等的假设进行检验，输出单变量的方差分析结果（本例选择）。 Box’s M --对各类的协方差矩阵相等的假设进行检验（本例选择）。 图4  Statistics对话框 ? Function coefficients 选择输出判别函数系数 Fisherh’s  给出贝叶斯判别函数系数（本例选择） Unstandardized  给出未标准化的典型判别（也称典则判别）系数（费舍尔判别函数）。 ? Matrices 栏选择给出的自变量系数矩阵 Within-groups correlation  合并类内相关系数矩阵（本例选择） Within-groups covariance  合并类内协方差矩阵（本例选择） Separate-groups covariance  各类内协方差矩阵 （本例选择） Total covariance  总协方差矩阵（本例选择） 6. 单击Classify按钮，打开Classify对话框如图5所示： 图5      Classify对话框 ? Prior Probabilities栏， 选择先验概率。 All groups equal  各类先验概率相等（系统默认）； Compute from groups sizes 各类的先验概率与其样本量成正比. （本例选择） ? Use Covariance Matrix 栏，选择使用的协方差矩阵 Within-groups --使用合并类内协方差矩阵进行分类（系统默认）（本例选择） Separate-groups --使用各类协方差矩阵进行分类 ? Display栏，选择生成到输出窗口中的分类结果 Casewise results  输出每个观测量包括判别分数实际类预测类(根据判别函数求得的分类结果)和后验概率等。 Summary table 输出分类的小结给出正确分类观测量数(原始类和根据判别函数计算的预测类相同)和错分观测量数和错分率（本例选择）。 Leave-one-out classification 输出交互验证结果。 ? Plots栏，要求输出的统计图 Combined-groups 生成一张包括各类的散点图（本例选择）； Separate-groups 每类生成一个散点图； Territorial map 根据生成的函数值把各观测值分到各组的区域图。（本例选择） 6. 单击Save 按钮，打开Save对话框，见图6. 图6  Save对话框 ? Predicted group membership 建立一个新变量，系统根据判别分数，把观测量按后验概率最大指派所属的类；（本例选择） ? Discriminant score  建立表明判别得分的新变量，该得分是由未标准化的典则判别函数计算。（本例选择） ? Probabilities of group membership  建立新变量表明观测量属于某一类的概率。有m 类，对一个观测量就会给出m 个概率值，因此建立m 个新变量。（本例选择） 全部选择完成后，点击OK，得到输出结果如下： Analysis Case Processing Summary 分类样本综述 Unweighted Cases N Percent Valid 28 93.3 Excluded Missing or out-of-range group codes 2 6.7 At least one missing discriminating variable 0 .0 Both missing or out-of-range group codes and at least one missing discriminating variable 0 .0 Total 2 6.7 Total 30 100.0         Group Statistics 各类统计分析 分类   Mean 均值 Std. Deviation 标准差 Valid N (listwise) 有效样本数         Unweighted Weighted 1 人均生活费收入(元/人） 139.2664 23.35125 11 11.000   人均国有经济单位职工工资 93.0918 11.38829 11 11.000   人均来源于国有经济单位标准工资 53.9882 6.80530 11 11.000   人均集体所有制工资收入 11.2073 3.44937 11 11.000   人均集体所有制职工标准工资 6.7645 2.89685 11 11.000   人均各种奖金、超额工资(国有+集体) 19.8082 5.55600 11 11.000   人均各种津贴(国有+集体) 17.8327 6.23305 11 11.000   均从工作单位得到的其他收入 11.0018 2.56135 11 11.000   个体劳动者收入 1.6736 1.74528 11 11.000 2 人均生活费收入(元/人） 107.3099 5.56641 11 11.000   人均国有经济单位职工工资 75.9064 7.17233 11 11.000   人均来源于国有经济单位标准工资 47.7536 3.42090 11 11.000   人均集体所有制工资收入 9.0827 2.45900 11 11.000   人均集体所有制职工标准工资 6.0409 1.77266 11 11.000   人均各种奖金、超额工资(国有+集体) 11.2775 2.15323 11 11.000   人均各种津贴(国有+集体) 15.4375 5.11023 11 11.000   均从工作单位得到的其他收入 6.5773 1.38350 11 11.000   个体劳动者收入 1.3845 .73428 11 11.000 3 人均生活费收入(元/人） 133.5150 17.11642 6 6.000   人均国有经济单位职工工资 76.1700 6.06280 6 6.000   人均来源于国有经济单位标准工资 44.3033 .91825 6 6.000   人均集体所有制工资收入 20.3333 4.09031 6 6.000   人均集体所有制职工标准工资 12.4783 3.04592 6 6.000   人均各种奖金、超额工资(国有+集体) 20.3033 5.39344 6 6.000   人均各种津贴(国有+集体) 13.2732 4.34722 6 6.000   均从工作单位得到的其他收入 10.1500 2.80907 6 6.000   个体劳动者收入 1.9233 1.11631 6 6.000 Total 人均生活费收入(元/人） 125.4796 22.22549 28 28.000   人均国有经济单位职工工资 82.7143 12.09003 28 28.000   人均来源于国有经济单位标准工资 49.4636 6.09033 28 28.000   人均集体所有制工资收入 12.3282 5.36546 28 28.000   人均集体所有制职工标准工资 7.7046 3.54143 28 28.000   人均各种奖金、超额工资(国有+集体) 16.5630 6.10883 28 28.000   人均各种津贴(国有+集体) 15.9147 5.54104 28 28.000   均从工作单位得到的其他收入 9.0811 2.98513 28 28.000   个体劳动者收入 1.6136 1.26601 28 28.000             Tests of Equality of Group Means每个变量各类均值相等的检验   Wilks' Lambda F df1 df2 Sig. 人均生活费收入(元/人） .542 10.567 2 25 .000 人均国有经济单位职工工资 .506 12.226 2 25 .000 人均来源于国有经济单位标准工资 .583 8.923 2 25 .001 人均集体所有制工资收入 .338 24.429 2 25 .000 人均集体所有制职工标准工资 .478 13.672 2 25 .000 人均各种奖金、超额工资(国有+集体) .497 12.664 2 25 .000 人均各种津贴(国有+集体) .898 1.425 2 25 .259 均从工作单位得到的其他收入 .516 11.715 2 25 .000 个体劳动者收入 .972 .354 2 25 .705             Pooled Within-Groups Matrices(a) 合并类内协方差阵和相关矩阵 人均生活费收入(元/人） 人均国有经济单位职工工资 人均来源于国有经济单位标准工资 人均集体所有制工资收入 人均集体所有制职工标准工资 人均各种奖金、超额工资(国有+集体) 人均各种津贴(国有+集体) 人均从工作单位得到的其他收入 个体劳动者收入 Covariance 人均生活费收入(元/人） 289.101 92.215 24.694 9.270 -.438 64.106 15.828 9.298 -1.158 人均国有经济单位职工工资 92.215 79.806 23.013 -13.984 -14.104 18.999 31.151 -2.229 2.386 人均来源于国有经济单位标准工资 24.694 23.013 23.374 -3.496 -2.063 1.925 -1.878 -5.027 -.052 人均集体所有制工资收入 9.270 -13.984 -3.496 10.524 7.877 3.113 -7.158 1.660 -1.670 人均集体所有制职工标准工资 -.438 -14.104 -2.063 7.877 6.469 .484 -7.895 .665 -1.611 人均各种奖金、超额工资(国有+集体) 64.106 18.999 1.925 3.113 .484 20.020 .398 4.724 -.782 人均各种津贴(国有+集体) 15.828 31.151 -1.878 -7.158 -7.895 .398 29.766 -.704 2.849 均从工作单位得到的其他收入 9.298 -2.229 -5.027 1.660 .665 4.724 -.704 4.968 -.020 个体劳动者收入 -1.158 2.386 -.052 -1.670 -1.611 -.782 2.849 -.020 1.683 Correlation 人均生活费收入(元/人） 1.000 .607 .300 .168 -.010 .843 .171 .245 -.053 人均国有经济单位职工工资 .607 1.000 .533 -.483 -.621 .475 .639 -.112 .206 人均来源于国有经济单位标准工资 .300 .533 1.000 -.223 -.168 .089 -.071 -.466 -.008 人均集体所有制工资收入 .168 -.483 -.223 1.000 .955 .214 -.404 .230 -.397 人均集体所有制职工标准工资 -.010 -.621 -.168 .955 1.000 .043 -.569 .117 -.488 人均各种奖金、超额工资(国有+集体) .843 .475 .089 .214 .043 1.000 .016 .474 -.135 人均各种津贴(国有+集体) .171 .639 -.071 -.404 -.569 .016 1.000 -.058 .402 均从工作单位得到的其他收入 .245 -.112 -.466 .230 .117 .474 -.058 1.000 -.007 个体劳动者收入 -.053 .206 -.008 -.397 -.488 -.135 .402 -.007 1.000                       a  The covariance matrix has 25 degrees of freedom. Covariance Matrices(a)类内协方差矩阵和总协方差阵 分类 人均生活费收入(元/人） 人均国有经济单位职工工资 人均来源于国有经济单位标准工资 人均集体所有制工资收入 人均集体所有制职工标准工资 人均各种奖金、超额工资(国有+集体) 人均各种津贴(国有+集体) 均从工作单位得到的其他收入 个体劳动者收入 1 人均生活费收入(元/人） 545.281 179.030 37.985 13.286 -1.453 116.976 35.808 13.315 -10.859 人均国有经济单位职工工资 179.030 129.693 35.643 -18.802 -20.620 33.023 46.461 -2.168 5.263 人均来源于国有经济单位标准工资 37.985 35.643 46.312 -3.559 -1.186 -.665 -6.736 -10.545 .482 人均集体所有制工资收入 13.286 -18.802 -3.559 11.898 9.560 5.957 -12.699 1.012 -4.445 人均集体所有制职工标准工资 -1.453 -20.620 -1.186 9.560 8.392 1.919 -14.117 -.005 -3.647 人均各种奖金、超额工资(国有+集体) 116.976 33.023 -.665 5.957 1.919 30.869 5.415 6.027 -3.897 人均各种津贴(国有+集体) 35.808 46.461 -6.736 -12.699 -14.117 5.415 38.851 1.994 6.789 均从工作单位得到的其他收入 13.315 -2.168 -10.545 1.012 -.005 6.027 1.994 6.560 -.697 个体劳动者收入 -10.859 5.263 .482 -4.445 -3.647 -3.897 6.789 -.697 3.046 2 人均生活费收入(元/人） 30.985 32.281 16.743 -8.701 -6.425 3.911 8.151 -4.843 -.269 人均国有经济单位职工工资 32.281 51.442 20.556 -9.294 -7.498 5.980 21.768 -5.232 -1.357 人均来源于国有经济单位标准工资 16.743 20.556 11.703 -6.005 -4.172 3.025 2.431 -2.925 -.978 人均集体所有制工资收入 -8.701 -9.294 -6.005 6.047 4.231 -2.419 2.394 .261 .004 人均集体所有制职工标准工资 -6.425 -7.498 -4.172 4.231 3.142 -1.380 .196 .155 -.106 人均各种奖金、超额工资(国有+集体) 3.911 5.980 3.025 -2.419 -1.380 4.636 -2.436 .506 -.145 人均各种津贴(国有+集体) 8.151 21.768 2.431 2.394 .196 -2.436 26.114 -2.255 -.323 均从工作单位得到的其他收入 -4.843 -5.232 -2.925 .261 .155 .506 -2.255 1.914 .307 个体劳动者收入 -.269 -1.357 -.978 .004 -.106 -.145 -.323 .307 .539 3 人均生活费收入(元/人） 292.972 38.451 14.013 37.178 13.567 78.758 -8.776 29.547 16.466 人均国有经济单位职工工资 38.451 36.758 2.665 -13.730 -14.286 16.990 19.297 3.658 4.120 人均来源于国有经济单位标准工资 14.013 2.665 .843 1.649 .400 4.905 -.783 1.806 .732 人均集体所有制工资收入 37.178 -13.730 1.649 16.731 11.802 8.488 -15.180 5.753 .532 人均集体所有制职工标准工资 13.567 -14.286 .400 11.802 9.278 1.340 -11.632 3.026 -.549 人均各种奖金、超额工资(国有+集体) 78.758 16.990 4.905 8.488 1.340 29.089 -3.967 10.556 4.171 人均各种津贴(国有+集体) -8.776 19.297 -.783 -15.180 -11.632 -3.967 18.898 -2.998 1.312 均从工作单位得到的其他收入 29.547 3.658 1.806 5.753 3.026 10.556 -2.998 7.891 .680 个体劳动者收入 16.466 4.120 .732 .532 -.549 4.171 1.312 .680 1.246 Total 人均生活费收入(元/人） 493.973 182.382 51.722 40.606 15.154 123.390 24.245 39.841 1.513 人均国有经济单位职工工资 182.382 146.169 52.685 -20.328 -19.362 40.532 42.118 11.447 2.648 人均来源于国有经济单位标准工资 51.722 52.685 37.092 -12.222 -7.958 7.157 5.158 -.595 -.133 人均集体所有制工资收入 40.606 -20.328 -12.222 28.788 18.414 15.043 -11.572 5.872 -.720 人均集体所有制职工标准工资 15.154 -19.362 -7.958 18.414 12.542 6.755 -10.523 2.711 -1.031 人均各种奖金、超额工资(国有+集体) 123.390 40.532 7.157 15.043 6.755 37.318 1.737 13.194 .106 人均各种津贴(国有+集体) 24.245 42.118 5.158 -11.572 -10.523 1.737 30.703 .708 2.548 均从工作单位得到的其他收入 39.841 11.447 -.595 5.872 2.711 13.194 .708 8.911 .335 个体劳动者收入 1.513 2.648 -.133 -.720 -1.031 .106 2.548 .335 1.603                       a  The total covariance matrix has 27 degrees of freedom. Box's Test of Equality of Covariance Matrices 协方差矩阵相等的检验 Log Determinants 分类 Rank Log Determinant 1 9 14.087 2 9 1.573 3 .(a) .(b) Pooled within-groups 9 15.603       The ranks and natural logarithms of determinants printed are those of the group covariance matrices. a  Rank < 6 b  Too few cases to be non-singular Test Results(a)检验结果 Box's M 195.630 F Approx. 2.155 df1 45 df2 1314.073 Sig. .000       Tests null hypothesis of equal population covariance matrices. a  Some covariance matrices are singular and the usual procedure will not work. The non-singular groups will be tested against their own pooled within-groups covariance matrix. The log of its determinant is 17.611. 注意，检验没有通过，即各类的协方差相等的假设在显著性水平下是不成立的。 Summary of Canonical Discriminant Functions典型判别函数综述 Eigenvalues特征值 Function Eigenvalue % of Variance Cumulative % Canonical Correlation 1 5.082(a) 60.7 60.7 .914 2 3.296(a) 39.3 100.0 .876           a  First 2 canonical discriminant functions were used in the analysis. 只有两个判别函数，所以特征值只有两个。判别函数的特征值越大，说明函数越具有区别判断力。最后一列表示是典则相关系数，是组间平方和与总平方和之比的平方根，表示判别函数分数与组别间的关联程度。 Wilks' Lambda判别函数检验 Test of Function(s) Wilks' Lambda Chi-square df Sig. 1 through 2 .038 68.523 18 .000 2 .233 30.611 8 .000           上表中“1through 2”表示两个判别函数的平均数在三个类间的差异情况，P值为0.000表示差异达到显著水平。 判别函数的Wilks′ Lambda值可以通过特征值计算： 判别函数1和判别函数2的Wilks′ Lambda值为 判别函数2的Wilks′ Lambda值为 “2”表示在排除了第一个判别函数后，第二个判别函数在三个组别间的差异情况，P值=0.000表示差别函数2也达到显著水平. Standardized Canonical Discriminant Function Coefficients标准化典型判别函数（系统默认结果） Function 1 2 人均生活费收入(元/人） -.515 .214 人均国有经济单位职工工资 3.381 1.050 人均来源于国有经济单位标准工资 -1.109 .244 人均集体所有制工资收入 2.446 -3.031 人均集体所有制职工标准工资 -.834 3.313 人均各种奖金、超额工资(国有+集体) -1.227 -.456 人均各种津贴(国有+集体) -1.817 .186 均从工作单位得到的其他收入 .363 1.004 个体劳动者收入 .474 .079       Structure Matrix结构矩阵：   Function 1 2 人均集体所有制工资收入 .545(*) -.366 人均各种奖金、超额工资(国有+集体) .415(*) .204 人均集体所有制职工标准工资 .386(*) -.320 均从工作单位得到的其他收入 .360(*) .291 人均生活费收入(元/人） .344(*) .271 个体劳动者收入 .075(*) -.004 人均国有经济单位职工工资 .128 .521(*) 人均来源于国有经济单位标准工资 -.021 .465(*) 人均各种津贴(国有+集体) -.029 .182(*)       Pooled within-groups correlations between discriminating variables and standardized canonical discriminant functions  Variables ordered by absolute size of correlation within function. *  Largest absolute correlation between each variable and any discriminant function 结构矩阵是变量和标准化典型判别函数的组内相关矩阵。 Functions at Group Centroids类中心坐标（非标准化典型判别下的类中心） 分类 Function 1 2 1 .741 2.047 2 -2.418 -.870 3 3.074 -2.159       Unstandardized canonical discriminant functions evaluated at group means Classification Statistics分类分析（输出贝叶斯判别结果） Classification Processing Summary综述表 Processed 31 Excluded Missing or out-of-range group codes 0 At least one missing discriminating variable 1 Used in Output 30       Prior Probabilities for Groups先验概率 分类 Prior先验概率 Cases Used in Analysis Unweighted Weighted 1 .393 11 11.000 2 .393 11 11.000 3 .214 6 6.000 Total 1.000 28 28.000         Classification Function Coefficients贝叶斯判别函数的系数 分类 1 2 3 人均生活费收入(元/人） .098 .157 -.026 人均国有经济单位职工工资 9.355 7.816 9.743 人均来源于国有经济单位标准工资 -3.303 -2.726 -4.051 人均集体所有制工资收入 -5.461 -5.118 .227 人均集体所有制职工标准工资 22.364 19.601 16.119 人均各种奖金、超额工资(国有+集体) -9.520 -8.357 -9.731 人均各种津贴(国有+集体) -5.260 -4.307 -6.180 均从工作单位得到的其他收入 10.060 8.232 8.545 个体劳动者收入 8.280 6.950 8.876 (Constant) -320.267 -228.550 -295.678         Fisher's linear discriminant functions 上表为贝叶斯判别函数的系数矩阵，可以用数学表达式表示为： Territorial Map分类区域图（用典型判别函数得分绘制） Function 2 -6.0      -4.0      -2.0        .0      2.0      4.0      6.0 6.0 211                                                          221                                                        211                                                      221                                                      211                                                    221                                                  4.0         211                                          221                                                211                                              221                                            211                                          2211                                        2.0                 221          *                  111 211                                111333 221                            111333  211                      111333      221                  111333        211              111333            .0                         221         111333              211    111333                  221 111333                    *            21333                        23                          23                          -2.0                           23          *              23                            23                            23                            23                            23                              -4.0                           23                          23                              23                              23                              23                                23                                -6.0                           23                                -6.0      -4.0      -2.0        .0      2.0      4.0      6.0 Canonical Discriminant Function 1 Symbols used in territorial map Symbol  Group  Label ------  -----  -------------------- 1        1 2        2 3        3 *          Indicates a group centroid 典型判别函数得到的分类散布图 Classification Results(a) 分类结果矩阵（自身验证矩阵） 对角线上显示的是准确预测的的个数，其余为错误预测的个数。 分类 Predicted Group Membership Total 1 2 3 Original Count 1 11 0 0 11 2 0 11 0 11 3 0 0 6 6 Ungrouped cases 1 0 1 2 % 1 100.0 .0 .0 100.0 2 .0 100.0 .0 100.0 3 .0 .0 100.0 100.0 Ungrouped cases 50.0 .0 50.0 100.0               a  100.0% of original grouped cases correctly classified. 由上面输出结果，可以得到贝叶斯判别的函数，并在数据编辑窗口得到一个系统根据判别分数，把观测量按后验概率最大指派所属的类变量dis_1；两个由未标准化的典则（典型）判别函数计算的判别得分新变量dis1_1和dis2_1，这个得分可以在区域图及散布图中确定每个样品的位置；三个表明观测量属于某一类的后验概率建立新变量dis1_2，dis2_2， dis3_2，概率最大的类即为样品所属的类别。