：判别分析SPSS操作方法08

：判别分析SPSS操作方法08

实验指导之二

判别分析的SPSS软件的基本操作

[实验例题] 为研究1991年中国城镇居民月平均收入状况，按标准化欧氏平方距离、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、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 样品序类 序1 G1 2 3 地区 x1 x2 x3 x4 x5 x6 x7 x8 x9 北 京 170．03 110．2 59．76 8．38 4．49 26．80 16．44 11．9 0．41 天 津 141．55 82．58 50．98 13．4 9．33 21．30 12．36 9．21 1．05 河 北 119．40 83．33 53．39 11．0 7．52 17．30 11．79 12．0 0．70 word全文可编辑

4 5 6 7 8 9 10 11 1 2 3 4 5 G2 6 7 8 9 10 11 1 2 3 G3 4 5 6 待1 判 2 上 海 194．53 107．8 60．24 15．6 8．88 31．00 21．01 11．8 0．16 山 东 130．46 86．21 52．30 15．9 10．5 20．6l 12．14 9．61 0．47 湖 北 119．29 85．41 53．02 13．1 8．44 13．87 16．47 8．38 0．51 广 西 134．46 98．61 48．18 8．90 4．34 21．49 26．12 13．6 4．56 海 南 143．79 99．97 45．60 6．30 1．56 18．67 29．49 11．8 3．82 四 川 128．05 74．96 50．13 13．9 9．62 16．14 10．18 14．5 1．21 云 南 127．41 93． 50．57 10．5 5．87 19．41 21．20 12．6 0．90 新 疆 122．96 101．4 69．70 6．30 3．86 11．30 18．96 5．62 4．62 山 西 内蒙古 吉 林 黑龙江 江 西 河 南 贵 州 陕 西 甘 肃 青 海 宁 夏 辽 宁 江 苏 浙 江 安 徽 福 建 湖 南 广 东 西 藏 102．49 71．72 47．72 9．42 6．96 13．12 7．9 6．66 0．61 106．14 76．27 46．19 9．65 6．27 9．655 20．1O 6．97 0．96 104．93 72．99 44．60 13．7 9．01 9．435 20．61 6．65 1．68 103．34 62．99 42．95 11．1 7．4l 8．342 10．19 6．45 2．68 98．0 69．45 43．04 11．4 7．95 10．59 16．50 7．69 1．08 104．12 72．23 47．31 9．48 6．43 13．14 10．43 8．30 1．11 108．49 80．79 47．52 6．06 3．42 13．69 16．53 8．37 2．85 113．99 75．6 50．88 5．21 3．86 12．94 9．492 6．77 1．27 114．06 84．31 52．78 7．81 5．44 10．82 16．43 3．79 1．19 108．80 80．41 50．45 7．27 4．07 8．371 18．98 5．95 0．83 115．96 88．2l 51．85 8．81 5．63 13．95 22．65 4．75 0．97 128．46 68．91 43．4l 22．4 15．3 13．88 12．42 9．01 1．41 135．24 73．18 44． 23．9 15．2 22．38 9．661 13．9 1．19 162．53 80．11 45．99 24．3 13．9 29． 10．90 13．0 3．47 111．77 71．07 43． 19．4 12．5 16．68 9．698 7．02 0．63 139．09 79．09 44．19 18．5 10．5 20．23 16．47 7．67 3．08 124．00 84．66 44．05 13．5 7．47 19．11 20．49 10．3 1．76 211．30 114．0 41．44 33．2 11．2 48．72 30．77 14．9 11．1 175．93 163．8 57． 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：

word全文可编辑

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。

word全文可编辑

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）。

word全文可编辑

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

word全文可编辑

 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）

word全文可编辑

 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 Valid Excluded Total Missing or out-of-range group codes At least one missing discriminating variable Both missing or out-of-range group codes and at least one missing discriminating variable Total N 28 2 0 0 2 30 Group Statistics 各类统计分析

分类 1 2 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 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 Mean 均值 139.26 93.0918 53.9882 11.2073 6.75 19.8082 17.8327 11.0018 1.6736 107.3099 75.90 47.7536 9.0827 6.0409 11.2775 15.4375 6.5773 Std. Deviation 标准差 23.35125 11.38829 6.80530 3.44937 2.685 5.55600 6.23305 2.56135 1.74528 5.561 7.17233 3.42090 2.45900 1.77266 2.15323 5.11023 1.38350 Valid N (listwise) 有效样本数 Unweighted Weighted 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11.000 11.000 11.000 11.000 11.000 11.000 11.000 11.000 11.000 11.000 11.000 11.000 11.000 11.000 11.000 11.000 11.000 Percent 93.3 6.7 .0 .0 6.7 100.0

word全文可编辑

3 个体劳动者收入 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 1.3845 133.5150 76.1700 44.3033 20.3333 12.4783 20.3033 13.2732 10.1500 1.9233 125.4796 82.7143 49.4636 12.3282 7.7046 16.5630 15.9147 9.0811 1.6136 .73428 17.112 6.06280 .91825 4.09031 3.04592 5.39344 4.34722 2.80907 1.11631 22.229 12.09003 6.09033 5.366 3.143 6.10883 5.104 2.98513 1.26601 11 6 6 6 6 6 6 6 6 6 28 28 28 28 28 28 28 28 28 11.000 6.000 6.000 6.000 6.000 6.000 6.000 6.000 6.000 6.000 28.000 28.000 28.000 28.000 28.000 28.000 28.000 28.000 28.000 Total 人均生活费收入(元/人） 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 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 Tests of Equality of Group Means每个变量各类均值相等的检验 Wilks' Lambda .2 .506 .583 .338 .478 .497 .8 .516 .972

F 10.567 12.226 8.923 24.429 13.672 12.6 1.425 11.715 .3 df1 2 2 2 2 2 2 2 2 2 df2 25 25 25 25 25 25 25 25 25 Sig. .000 .000 .001 .000 .000 .000 .259 .000 .705

word全文可编辑

Pooled Within-Groups Matrices(a) 合并类内协方差阵和相关矩阵 人均来人均国 人均生活费收入(元 Covariance Correlation 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 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

/人） 2.101 92.215 24.694 9.270 -.438 .106 15.828 9.298 -1.158 1.000 .607 .300 .168 -.010 .843 .171 .245 -.053 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 .607 1.000 .533 -.483 -.621 .475 .639 -.112 .206 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 .300 .533 1.000 -.223 -.168 .0 -.071 -.466 -.008 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 .168 -.483 -.223 1.000 .955 .214 -.404 .230 -.397 人均集体所有制职工标准工资 -.438 -14.104 -2.063 7.877 6.469 .484 -7.5 .665 -1.611 -.010 -.621 -.168 .955 1.000 .043 -.569 .117 -.488 人均各种奖金、超额工资(国有+集体) .106 18.999 1.925 3.113 .484 20.020 .398 4.724 -.782 .843 .475 .0 .214 .043 1.000 .016 .474 -.135 人均各种津贴(国有+集体) 15.828 31.151 -1.878 -7.158 -7.5 .398 29.766 -.704 2.849 .171 .639 -.071 -.404 -.569 .016 1.000 -.058 .402 人均从工作单位得到的其他收入 个体劳动者收入 9.298 -1.158 -2.229 -5.027 2.386 -.052 1.660 -1.670 .665 -1.611 4.724 -.704 4.968 -.020 .245 -.112 -.466 .230 .117 .474 -.058 1.000 -.007 -.782 2.849 -.020 1.683 -.053 .206 -.008 -.397 -.488 -.135 .402 -.007 1.000 a The covariance matrix has 25 degrees of freedom.

word全文可编辑

Covariance Matrices(a)类内协方差矩阵和总协方差阵 人均来 人均生活费收分类 1 人均生活费收入入(元/人） 5.281 人均国有经济单位职工工资 179.030 源于国有经济单位标准工资 37.985 人均集体所有制工资收入 13.286 人均集体所有制职工标准工资 -1.453 人均各种奖金、超额工资(国有+集体) 116.976 人均各种津贴(国有+集体) 35.808 均从工作单位得到的其他收入 个体劳动者收入 13.315 -10.859 (元/人） 人均国有经济单位职工工资 179.030 人均来源于国有经济单位标准工37.985 资 人均集体所有制工资收入 13.286 人均集体所有制职工标准工资 -1.453 人均各种奖金、超额工资(国有+集116.976 体) 人均各种津贴(国有+集体) 35.808 均从工作单位得到的其他收入 13.315 个体劳动者收入 -10.859 2 人均生活费收入(元/人） 30.985 人均国有经济单位职工工资 32.281 人均来源于国有经济单位标准工16.743 资 人均集体所有制工资收入 -8.701 人均集体所有制职工标准工资 -6.425 人均各种奖金、超额工资(国有+集3.911 体) 人均各种津贴(国有+集体) 8.151 均从工作单位得到的其他收入 -4.843 个体劳动者收入 -.269 129.693 35.3 -18.802 -20.620 35.3 46.312 -3.559 -1.186 -18.802 -3.559 11.8 9.560 -20.620 -1.186 9.560 8.392 33.023 -.665 5.957 1.919 46.461 -6.736 -12.699 -14.117 -2.168 -10.5 1.012 -.005 5.263 .482 -4.445 -3.7 32.281 16.743 -8.701 -6.425 51.442 20.556 -9.294 -7.498 20.556 11.703 -6.005 -4.172 -9.294 -6.005 6.047 4.231 -7.498 -4.172 4.231 3.142 5.980 3.025 -2.419 -1.380 21.768 2.431 2.394 .196 -5.232 -2.925 .261 .155 -1.357 -.978 .004 -.106 33.023 46.461 -.665 -6.736 5.957 -12.699 1.919 -14.117 30.869 5.415 5.415 38.851 6.027 1.994 -3.7 6.7 3.911 8.151 5.980 21.768 3.025 2.431 -2.419 2.394 -1.380 .196 4.636 -2.436 -2.436 26.114 .506 -2.255 -.145 -.323 -2.168 -10.5 1.012 -.005 6.027 1.994 6.560 -.697 -4.843 -5.232 -2.925 .261 .155 .506 -2.255 1.914 .307 5.263 .482 -4.445 -3.7 -3.7 6.7 -.697 3.046 -.269 -1.357 -.978 .004 -.106 -.145 -.323 .307 .539 word全文可编辑

3

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) Total

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 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

24.245 39.841 1.513

42.118 11.447 2.8

5.158 -11.572 -.595 -.133

5.872 -.720

-10.523 2.711 -1.031

1.737 13.194 .106

30.703 .708 2.8

.708 8.911 .335

2.8 .335 1.603

123.390

40.532

7.157

15.043

6.755

37.318

1.737

13.194

.106

40.606 15.1

-20.328 -12.222 -19.362

-7.958

28.788 18.414

18.414 12.2

15.043 6.755

-11.572 -10.523

5.872 2.711

-.720 -1.031

51.722

52.685

37.092 -12.222

-7.958

7.157

5.158

-.595

-.133

-8.776 29.7 16.466 493.973 182.382

19.297 3.658 4.120 182.382 146.169

-.783 -15.180 1.806 .732 51.722

5.753 .532 40.606

-11.632 3.026 -.9 15.1 -19.362

-3.967 10.556 4.171 123.390 40.532

18.8 -2.998 1.312 24.245 42.118

-2.998 7.1 .680 39.841 11.447

1.312 .680 1.246 1.513 2.8

78.758

16.990

4.905

8.488

1.340

29.0

-3.967

10.556

4.171

37.178 13.567

-13.730 -14.286

1.9 .400

16.731 11.802

11.802 9.278

8.488 1.340

-15.180 -11.632

5.753 3.026

.532 -.9

14.013

2.665

.843

1.9

.400

4.905

-.783

1.806

.732

292.972 38.451

38.451 36.758

14.013 37.178 13.567 -14.286

78.758 16.990

-8.776 19.297

29.7 3.658

16.466 4.120

2.665 -13.730

52.685 -20.328

a The total covariance matrix has 27 degrees of freedom.

word全文可编辑

Box's Test of Equality of Covariance Matrices 协方差矩阵相等的检验

Log Determinants Log 分类 1 2 3 Pooled within-groups a Rank < 6

b Too few cases to be non-singular

Test Results(a)检验结果 Box's M F Approx. df1 df2 Sig. 195.630 2.155 45 1314.073 .000 Rank 9 9 .(a) 9 Determinant 14.087 1.573 .(b) 15.603 The ranks and natural logarithms of determinants printed are those of the group covariance matrices.

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

Function 1 2 Eigenvalue 5.082(a) 3.296(a) Eigenvalues特征值 Canonical % of Variance 60.7 39.3 Cumulative % 60.7 100.0 Correlation .914 .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) 1 through 2 2 Wilks' Lambda .038 .233 Chi-square 68.523 30.611 df 18 8 Sig. .000 .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

word全文可编辑

110.038

(11)(12)(15.082)(13.296)判别函数2的Wilks´ Lambda值为

110.233

(12)(13.296)“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 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

Structure Matrix结构矩阵： Function 人均集体所有制工资收入 人均各种奖金、超额工资(国有+集体) 人均集体所有制职工标准工资 均从工作单位得到的其他收入 人均生活费收入(元/人） 个体劳动者收入 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 人均各种津贴(国有+集体) 1 .5(*) .415(*) .386(*) .360(*) .344(*) .075(*) .128 -.021 -.029 2 -.366 .204 -.320 .291 .271 -.004 .521(*) .465(*) .182(*) 1 -.515 3.381 -1.109 2.446 -.834 -1.227 -1.817 .363 .474 2 .214 1.050 .244 -3.031 3.313 -.456 .186 1.004 .079 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。

word全文可编辑

Functions at Group Centroids类中心坐标（非标准化典型判别下的类中心）

Function 分类 1 2 3 1 .741 -2.418 3.074 2 2.047 -.870 -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 Excluded Missing or out-of-range group codes At least one missing discriminating variable Used in Output

31 0 1 30 Prior Probabilities for Groups先验概率 Cases Used in Analysis 分类 1 2 3 Total Prior先验概率 .393 .393 .214 1.000

Unweighted 11 11 6 28 Weighted 11.000 11.000 6.000 28.000 Classification Function Coefficients贝叶斯判别函数的系数 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 (Constant) Fisher's linear discriminant functions 1 .098 9.355 -3.303 -5.461 22.3 -9.520 -5.260 10.060 8.280 -320.267 分类 2 .157 7.816 -2.726 -5.118 19.601 -8.357 -4.307 8.232 6.950 -228.550 3 -.026 9.743 -4.051 .227 16.119 -9.731 -6.180 8.5 8.876 -295.678 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：

word全文可编辑

y1320.2670.0978x19.35x23.3032x35.4615x422.31x59.5204x65.2601x710.0598x88.2800x9y2228.5500.157x17.816x22.726x35.118x419.601x58.357x64.307x78.232x86.950x9y3295.6780.026x19.743x24.051x30.227x416.169x59.731x66.180x78.5x88.876x9Function 2

-6.0 -4.0 -2.0 .0 2.0 4.0 6.0

211 221 211 221 211 221 211 221 211 221 211 2211 221 * 111 211 111333 221 111333 211 111333 221 111333 211 111333 221 111333 211 111333 221 111333 * 21333 23 23 23 * 23 23 23 23 23 23 23 23 23 23 23 23

Territorial Map分类区域图（用典型判别函数得分绘制）

6.0 4.0 2.0 .0 -2.0 -4.0 -6.0

word全文可编辑

-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 Canonical Discriminant Functions20101023分类Group CentroidsUngrouped Cases-10Function 232-20-10010201Function 1 Original Count % Classification Results(a) 分类结果矩阵（自身验证矩阵）分类 1 2 3 Ungrouped cases 1 2 3 Ungrouped cases Predicted Group Membership 1 11 0 0 1 100.0 .0 .0 50.0 2 0 11 0 0 .0 100.0 .0 .0 3 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。

Total 0 0 6 1 .0 .0 100.0 50.0 11 11 6 2 100.0 100.0 100.0 100.0 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

word全文可编辑

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。