SPSS实验报告7

《统计分析软件》实验报告实验序号：B0901153-7实验项目名称：判别分析学号姓名专业、班级实验地点指导教师时间一、实验目的及要求掌握判别分析的主要内容和方法。二、实验设备（环境）及要求微型计算机，SPSS、EViews等统计分析软件三、实验内容与数据来源实验内容与数据来源自《SPSS实验上机题实验七》四、实验步骤与结果①打开SPSS,在变量视图中设置数据，在数据视图中输入数据，如下图②点击“分析”，将鼠标光标移动到“分类”，单击选择“系统聚类”，弹出“系统聚类分析”对话框，将“国民生产总值”、“固定资产投资”和“社会从业人员”都选中为“变量”，单击“统计量”，点选“单一方案”，在“聚类数”中输入“3”，单击“绘制”，勾选“树状图”,单击“保存”，点选“单一方案”，在“聚类数”中输入“3”，其他保持默认，单击“确定”按钮。如下图案例处理汇总a,b案例有效缺失总计N百分比N百分比N百分比30100.00.030100.0a.平方Euclidean距离已使用b.平均联结（组之间）聚类表阶群集组合系数首次出现阶群集下一阶群集1群集2群集1群集21282913162.162008241915744.4410093232730839.13000134131739746.1360075142665419.7140066714122036.6210597113143475.792042082028146663.1550111947258542.747261210224278950.1550012112025341706.67480221224516788.14210915132330805083.081302214316931059.3520024152211154113.675120171610151320658.078002617251489989.90415023188121710406.6290020196222006659.606002120182833624.8117182321693880070.876190242220234515566.65711132523128599164.65220172524369456868.1311421272512022163704.56223222826101826069673.502160292731136700324.45124028281378283014.249252729291103.822E828260群集成员案例3群集112132415162718192103112121131141153162171183191201211222231241251261271281291301③从上图中可以看出，将以上30个省市自治区分成发达地区、次发达地区和不发达地区三类：发达地区：江苏、山东、广东；次发达地区：河北、辽宁、上海、浙江、河南、四川；不发达地区：北京、天津、山西、内蒙古、吉林、黑龙江、安徽、福建、江西、湖南、广西、海南、重庆、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆。④点击“分析”，将鼠标光标移动到“分类”，单击选择“判别”，弹出“判别分析”对话框，将之前保存的分组变量选入，将“国民生产总值”、“固定资产投资”和“社会从业人员”都选中为“自变量”，单击“定义范围”，最小值中输入“1”，最大中输入“3”，单击“统计量”，在函数系数中勾选“Fisher”和“未标准化”，单击“分类”,在“输出”中勾选“个案结果”和“不考虑该个案时的分类”,单击“保存”，勾选“预测组成员”和“组成员概率”，其他保持默认，单击“确定”按钮。如下图分析案例处理摘要未加权案例N百分比有效3083.3排除的缺失或越界组代码0.0至少一个缺失判别变量0.0缺失或越界组代码还有至少一个缺失判别变量616.7合计616.7合计36100.0组统计量AverageLinkage(BetweenGroups)有效的N（列表状态）未加权的已加权的1国民生产总值2121.000固定资产投资2121.000社会从业人员2121.0002国民生产总值66.000固定资产投资66.000社会从业人员66.0003国民生产总值33.000固定资产投资33.000社会从业人员33.000合计国民生产总值3030.000固定资产投资3030.000社会从业人员3030.000特征值函数特征值方差的%累积%正则相关性110.306a99.099.0.9552.108a1.0100.0.313a.分析中使用了前2个典型判别式函数。Wilks的Lambda函数检验Wilks的Lambda卡方dfSig.1到2.08065.7336.0002.9022.6732.263标准化的典型判别式函数系数函数12国民生产总值1.375-1.386固定资产投资.3991.002社会从业人员-.966.999结构矩阵函数12国民生产总值.836*.139固定资产投资.710*.704社会从业人员.448.488*判别变量和标准化典型判别式函数之间的汇聚组间相关性按函数内相关性的绝对大小排序的变量。*.每个变量和任意判别式函数间最大的绝对相关性组质心处的函数AverageLinkage(BetweenGroups)函数121-1.694-.10821.880.59438.099-.434在组均值处评估的非标准化典型判别式函数组的先验概率AverageLinkage(BetweenGroups)先验用于分析的案例未加权的已加权的1.3332121.0002.33366.0003.33333.000合计1.0003030.000分类函数系数AverageLinkage(BetweenGroups)123国民生产总值-6.527E-7.002.006固定资产投资.001.003.004社会从业人员.009-.011-.062(常量)-3.150-15.119-62.884典型判别式函数系数函数12国民生产总值.001-.001固定资产投资.000.001社会从业人员-.007.007(常量)-2.934-1.395非标准化系数分类处理摘要已处理的36已排除的缺失或越界组代码0至少一个缺失判别变量6用于输出中30Fisher的线性判别式函数按照案例顺序的统计量案例数目实际组最高组第二最高组判别式得分预测组P(Dd|G=g)P(G=g|D=d)到质心的平方Mahalanobis距离组P(G=g|D=d)到质心的平方Mahalanobis距离函数1函数2pdf初始111.5252.9511.2892.0497.236-.810.604211.6022.9951.0142.00511.426-1.131-.942322.86421.000.2921.00015.5882.243.193411.8312.999.3702.00114.666-1.947.445511.4942.9291.4092.0716.538-.675.501622.3192.9842.2831.01610.485.9391.776711.8832.995.2482.00510.895-1.407.300811.7672.999.5322.00115.346-2.037.536922.0792.9975.0841.00316.9612.126-1.6471033.95021.000.1032.00043.4788.407-.3421122.0252.9477.3563.05313.1074.589.4511211.3942.8691.8632.1315.655-.498.5491311.4682.9051.5202.0956.037-.462-.1491411.8502.992.3262.0089.996-1.265.2681533.05521.0005.8192.00033.1887.4911.9011622.5342.9961.2541.00412.5561.4061.6091711.3982.8501.8452.1505.318-.338-.0381833.05021.0005.9732.00054.4288.400-2.8591911.9332.996.1392.00411.116-1.347-.2442011.37021.0001.9902.00023.857-2.704-1.0932111.9312.998.1442.00212.253-1.604.2602222.1382.5623.9611.4384.460-.0221.1812311.62321.000.9472.00021.229-2.666-.1572411.9832.998.0342.00212.744-1.651.0702511.28521.0002.5112.00025.374-2.817-1.2262611.8002.998.4462.00213.441-1.786.5542711.62121.000.9522.00021.264-2.618-.4232811.36121.0002.0402.00024.045-2.722-1.1002911.39821.0001.8412.00023.898-2.759-.9493011.81221.000.4172.00018.160-2.336-.030交111.2433.9184.1722.0829.012叉验证a211.7193.9931.3412.00711.188322.9233.999.4831.00115.140411.7733.9991.1182.00114.832511.3393.8983.3662.1027.722622.2643.9603.9751.04010.347711.9333.994.4342.00610.671811.0993.9996.2752.00120.327922.0193.9829.9341.01817.9381033.02531.0009.3632.00046.9911122.0013.70316.8743.29718.5961211.5073.8562.3292.1445.8981311.4373.8832.7212.1176.7671411.9313.991.4452.0099.7821533.0003.99720.6142.00332.3501622.1613.9895.1471.01114.1941711.4543.8312.6222.1695.8011833.00031.00080.0272.000102.5681911.9843.995.1592.00510.7502011.44431.0002.6792.00025.0602111.8773.997.6852.00312.2682221**.1763.7924.9382.2087.6162311.78731.0001.0602.00021.2342411.9963.998.0642.00212.2992511.24331.0004.1782.00028.2142611.8953.998.6072.00213.0592711.78631.0001.0642.00021.2712811.34931.0003.2932.00025.9932911.41231.0002.8722.00025.5363011.92231.000.4852.00017.793对初始数据来说，平方Mahalanobis距离基于典则函数。对交叉验证数据来说，平方Mahalanobis距离基于观察值。a.仅对分析中的案例进行交叉验证。在交叉验证中，每个案例都是按照从该案例以外的所有其他案例派生的函数来分类的。**.错误分类的案例分类结果b,cAverageLinkage(BetweenGroups)预测组成员合计123初始计数12100212060630033%1100.0.0.0100.02.0100.0.0100.03.0.0100.0100.0交叉验证a计数1210021215