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。