spss进行判别分析步骤_spss判别分析结果解释_spss判别分析案例详解
spss进行判别分析步骤_spss判别分析结果解释_spss判别分析案例详解
1.Discriminant Analysis判别分析主对话框
如图 1-1 所示
图 1-1 Discriminant Analysis 主对话框
(1)选择分类变量及其范围
在主对话框中左面的矩形框中选择表明已知的观测量所属类别的变量(一定是离散变量),
按上面的一个向右的箭头按钮,使该变量名移到右面的Grouping Variable 框中。
此时矩形框下面的Define Range 按钮加亮,按该按钮屏幕显示一个小对话框如图1-2 所示,供指定该分类变量的数值范围。
图 1-2 Define Range 对话框
在Minimum 框中输入该分类变量的最小值在Maximum 框中输入该分类变量的最大值。按Continue
按钮返回主对话框。
(2)指定判别分析的自变量
图 1-3 展开 Selection Variable 对话框的主对话框
在主对话框的左面的变量表中选择表明观测量特征的变量,按下面一个箭头按钮。
把选中的变量移到Independents 矩形框中,作为参与判别分析的变量。
(3) 选择观测量
图 1-4 Set Value 子对话框
如果希望使用一部分观测量进行判别函数的推导而且有一个变量的某个值可以作为这些观测量的标识,
则用Select 功能进行选择,操作方法是单击Select 按钮展开Selection Variable。选择框如图1-3
所示。
并从变量列表框中选择变量移入该框中再单击Selection Variable 选择框右侧的Value按钮,
展开Set Value(子对话框)对话框,如图1-4 所示,键入标识参与分析的观测量所具有的该变量值,
一般均使用数据文件中的所有合法观测量此步骤可以省略。
(4) 选择分析方法
在主对话框中自变量矩形框下面有两个选择项,被选中的方法前面的圆圈中加有黑点。这两个选择项是用于选择判别分析方法的
l Enter independent together
选项,当认为所有自变量都能对观测量特性提供丰富的信息时,使用该选择项。选择该项将不加选择地使用所有自变量进行判别分析,建立全模型,不需要进一步进行选择。
l Use stepwise method
选项,当不认为所有自变量都能对观测量特性提供丰富的信息时,使用该选择项。因此需要判别贡献的大小,再进行选择当鼠标单击该项时Method
按钮加亮,可以进一步选择判别分析方法。
2.Method对话框 如图 1-5 所示:
图 1-5 Stepwise Method 对话框
单击“Method”按钮展开Stepwise Method对话框。
(1)Method 栏选择进行逐步判别分析的方法
可供选择的判别分析方法有:
l Wilks’lambda 选项,每步都是Wilk 的概计量最小的进入判别函数
l Unexplained variance 选项,每步都是使各类不可解释的方差和最小的变量进入判别函数。
l Mahalanobis’distance 选项,每步都使靠得最近的两类间的Mahalanobis
距离最大的变量进入判别函数
l Smallest F ratio 选项,每步都使任何两类间的最小的F 值最大的变量进入判刑函数
l Rao’s V 选项,每步都会使Rao V 统计量产生最大增量的变量进入判别函数。可以对一个要加入到模型中的变量的V
值指定一个最小增量。选择此种方法后,应该在该项下面的V-to-enter
后的矩形框中输入这个增量的指定值。当某变量导致的V值增量大于指定值的变量后进入判别函数。
(2) Criteria 栏选择逐步判别停止的判据
可供选择的判据有:
l Use F value
选项,使用F值,是系统默认的判据当加人一个变量(或剔除一个变量)后,对在判别函数中的变量进行方差分析。当计算的F值大于指定的Entry
值时,该变量保留在函数中。默认值是Entry为3.84:当该变量使计算的F值小于指定的Removal
值时,该变量从函数中剔除。默认值是Removal为2.71。即当被加入的变量F 值为3.84
时才把该变量加入到模型中,否则变量不能进入模型;或者,当要从模型中移出的变量F值<2.71时,该变量才被移出模型,否则模型中的变量不会被移出.设置这两个值时应该注意Entry值〉Removal
值。 l Use Probability of
F选项,用F检验的概率决定变量是否加入函数或被剔除而不是用F值。加入变量的F值概率的默认值是0.05(5%);移出变量的F
值概率是0.10(10%)。Removal值(移出变量的F值概率)
>Entry值(加入变量的F值概率)。
(3) Display栏显示选择的内容
对于逐步选择变量的过程和最后结果的显示可以通过Display 栏中的两项进行选择:
l Summary of steps 复选项,要求在逐步选择变量过程中的每一步之后显示每个变量的统计量。
l F for Pairwise distances 复选项,要求显示两两类之间的两两F 值矩阵。
3.Statistics对话框 指定输出的统计量如图1-6 所示:
图 1-6 Statistics 对话框
可以选择的输出统计量分为以下3 类:
(l) 描述统计量
在 Descriptives 栏中选择对原始数据的描述统计量的输出:
l Means 复选项,可以输出各类中各自变量的均值MEAN、标准差std Dev 和各自变量总样本的均值和标准差。
l Univariate ANOV 复选项,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。
l Box’s M 复选项,对各类的协方差矩阵相等的假设进行检验。如果样本足够大,表明差异不显著的p 值表明矩阵差异不明显。
(2) Function coefficients 栏:选择判别函数系数的输出形式
l Fisherh’s
复选项,可以直接用于对新样本进行判别分类的费雪系数。对每一类给出一组系数。并给出该组中判别分数最大的观测量。
l Unstandardized 复选项,未经标准化处理的判别系数。
(3) Matrices 栏:选择自变量的系数矩阵
l Within-groups correlation matrix复选项,即类内相关矩阵,
它是根据在计算相关矩阵之前将各组(类)协方差矩阵平均后计算类内相关矩阵。
l Within-groups covariance matrix复选项,即计算并显示合并类内协方差矩阵,
是将各组(类)协方差矩阵平均后计算的。区别于总协方差阵。
l Separate-groups covariance matrices复选项,对每类输出显示一个协方差矩阵。
l Total covariance matrix复选项,计算并显示总样本的协方差矩阵。
4.Classification 对话框指定分类参数和判别结果 如图1-7 所示
图 1-7 Classification 对话框
5.Save对话框,指定生成并保存在数据文件中的新变量。如图1-8 所示:
图 1-8 Save 对话框数据分析培训
6.选择好各选择项之后,点击“OK”按钮,提交运行Discriminant过程。
spss进行判别分析步骤_spss判别分析结果解释_spss判别分析案例详解的更多相关文章
- top命令输出解释以及load average 详解及排查思路
原地址: https://blog.csdn.net/zhangchenglikecc/article/details/52103737 1.top输出以及load average 详解 昨天nagi ...
- SPSS学习系列之SPSS Statistics导入读取数据(多种格式)(图文详解)
不多说,直接上干货! SPSS Statistics导入读取数据的步骤: 文件 -> 导入数据 成功! 欢迎大家,加入我的微信公众号:大数据躺过的坑 免费给分享 同时,大 ...
- 【deep learning精华部分】稀疏自编码提取高阶特征、多层微调完全解释及代码逐行详解
我们前面已经讲了如何训练稀疏自编码神经网络,当我们训练好这个神经网络后,当有新的样本输入到这个训练好的稀疏自编码器中后,那么隐藏层各单元的激活值组成的向量就可以代表(因为根据稀疏自编码,我们可以用来恢 ...
- 【转】top命令输出解释以及load average 详解及排查思路
https://blog.csdn.net/zhangchenglikecc/article/details/52103737 昨天nagios报警warning,没来得及留下报警截图,nagios值 ...
- 《spss统计分析与行业应用案例详解》:实例九 单一样本t检验
单一样本t检验的功能与意义 spss的单一样本t检验过程是瑕设检验中最基本也是最常用的方法之一,跟所有的假没检验一样,其依剧的基木原理也是统计学中的‘小概率反证法”原理.通过单一样本t检验.我们可以实 ...
- 《spss统计分析与行业应用案例详解》:实例十二 卡方检验
卡方检验的功能与意义 SPSS的卡方检验是非参数检验方法的一种,其基本功能足通过样本的 频数分布来推断总体是否服从某种理论分布或某种假设分布,这种检验过程是通过分析实际的频数与理论的频数之间的差别或是 ...
- 线性判别分析LDA详解
1 Linear Discriminant Analysis 相较于FLD(Fisher Linear Decriminant),LDA假设:1.样本数据服从正态分布,2.各类得协方差相等.虽然 ...
- SPSS学习系列之SPSS Modeler的功能特性(图文详解)
不多说,直接上干货! Win7/8/10里如何下载并安装最新稳定版本官网IBM SPSS Modeler 18.0 X64(简体中文 / 英文版)(破解永久使用)(图文详解) 我这里,是以SPSS ...
- rsync的介绍及参数详解,配置步骤,工作模式介绍
rsync的介绍及参数详解,配置步骤,工作模式介绍 rsync是类unix系统下的数据镜像备份工具.它是快速增量备份.全量备份工具. Sync可以远程同步,支持本地复制,或者与其他SSH.rsync主 ...
随机推荐
- CSRF攻击防御方法
CSRF攻击防御方法 目前防御 CSRF 攻击主要有三种策略: 1. 验证 HTTP Referer 字段: 根据 HTTP 协议,在 HTTP 头中有一个字段叫 Referer,它记录了该 HTTP ...
- 回滚树形dp(按dfs序dp)——hdu6035
本题前面的操作别的博客里都有.难点在于颜色ci的贡献,如何一次dfs求出答案 先来考虑如何在一次dfs中单独对颜色i进行计算 用遍历dfs序的方式,在深搜过程中,碰到带有颜色 i 的点 u,u每个颜色 ...
- MetalLB自建私有Kubernetes的LoadBalancer负载均衡类型服务
简介 在私有网络上运行 Kubernetes,和御三家相比,对 LoadBalancer 类型的服务的支持应该是众多表面差异中最醒目的一个了.类型为 LoadBalancer 的服务在 Kuberne ...
- NX二次开发-UFUN获取点在面上的向量方向UF_MODL_ask_face_props【转载】
1 NX11+VS2013 2 3 4 #include <uf.h> 5 #include <uf_ui.h> 6 #include <uf_modl.h> 7 ...
- 如何将Canvas中内容保存为图片
Bitmap bm = Bitmap.createBitmap(320, 480, Config.ARGB_8888); Canvas canvas = new Canvas(bm); Paint p ...
- 使用Docker在服务器上部署Ubuntu,本地传文件到docker
使用Docker在服务器上部署Ubuntu,本地传文件到docker 作者:王佳乐 目录 安装Docker 安装Docker 全部安装流程: 登录服务器 ssh username@ip 检查是否已经安 ...
- go modules学习
https://github.com/golang/go/wiki/Modules https://tonybai.com/2018/07/15/hello-go-module/ https://ww ...
- dict,list强制类型转换
单列集合中如果装的元素都是双列,那么可以通过dict()强制转换为字典 a=[(1,1),(2,2),(3,3)] print(dict(a)) #{1:1,2:2,3:3} b=[1,2,3] pr ...
- HDU 3308 线段树求区间最长连续上升子序列长度
题意:两种操作,Q L R查询L - R 的最长连续上升子序列长度,U pos val 单点修改值 #include <bits/stdc++.h> #define N 100005 us ...
- NEO4J中文分词全文索引自动更新解决方案
NEO4J中文分词全文索引自动更新解决方案 一.样例数据 二.英文与中文全文索引差别 1.创建NEO4J默认索引 2.删除索引 3.创建支持中文分词的索引 三.APOC自带英文全文索引过程(可自动更新 ...