现代统计学分析方法与应用判别分析(编辑修改稿)

现代统计学分析方法与应用判别分析(编辑修改稿)内容摘要：

riptive栏中选Means项，要求对各组的各变量作均数与标准差的描述；在Function Coefficients栏中选 Unstandardized项（注意，不是Fisher’s项。 ），要求显示费歇尔判别法建立的非标准化系数。 2020/10/5 中国人民大学六西格玛质量管理研究中心 52 167。 判别分析应用的几个例子 目录 上页 下页 返回 结束 之后，点击“ Continue”钮返回 Discriminant Analysis对话框。 点击“ Save”钮，弹出 Discriminant Analysis: Save New Variables对话框，选 Predicted group membership项要求将回判的结果存入原始数据库中。 点击“ Continue”钮返回 Discriminant Analysis对话框，其他项目不变，点击“ OK”钮即完成分析。 在输出结果中可以看到各组均值、标准差、协方差阵等描述统计结果以及判别函数，返回数据表中，可以看到判别结果已经作为一个新的变量被保存，广东和西藏均被划分到第二大类，篇幅所限，各输出结果在此不再列示。 2020/10/5 中国人民大学六西格玛质量管理研究中心 53 167。 判别分析应用的几个例子 目录 上页 下页 返回 结束 例 2020年全国各地区农村居民家庭人均消费情况可划分为三种类型，分类后的数据见表 11－ 1。 试用 SPSS软件建立 Bayes判别函数，并将待判样品归类。 解：本例中组数 k=3，判别指标 p=8，各组中样本为：，在 SPSS中进行贝叶斯判别分析时，操作步骤与例，但是在 Discriminant Analysis: Statistics对话框的 Function Coefficients栏中要选Fisher’s项而不是 Unstandardized项（因为 Bayes判别思想是由 Fisher提出来的，故 SPSS以此命名）。 点击“ OK”后得出分析结果，部分结果列示如下： 2020/10/5 中国人民大学六西格玛质量管理研究中心 54 167。 判别分析应用的几个例子 目录 上页 下页 返回 结束 2020/10/5 中国人民大学六西格玛质量管理研究中心 55 167。 判别分析应用的几个例子 目录 上页 下页 返回 结束 2020/10/5 中国人民大学六西格玛质量管理研究中心 56 167。 判别分析应用的几个例子 目录 上页 下页 返回 结束 2020/10/5 中国人民大学六西格玛质量管理研究中心 57 167。 判别分析应用的几个例子 目录 上页 下页 返回 结束 2020/10/5 中国人民大学六西格玛质量管理研究中心 58 167。 判别分析应用的几个例子 目录 上页 下页 返回 结束 1pS2020/10/5 中国人民大学六西格玛质量管理研究中心 59 167。 判别分析应用的几个例子 目录 上页 下页 返回 结束 2020/10/5 中国人民大学六西格玛质量管理研究中心 60 167。 判别分析应用的几个例子 目录 上页 下页 返回 结束 2020/10/5 中国人民大学六西格玛质量管理研究中心 61 167。 判别分析应用的几个例子 目录 上页 下页 返回 结束 在例 ，我们是将事先确定的所有八个指标变量都选入来进行判别分析，在实际应用中，我们也大多是设计尽可能多的相关指标来进行聚类和判别分析，然而事实是，指标太多不仅增大了计算量，而且那些对判别无用的指标也会干扰我们的视线。 因此对众多指标进行筛选，找出对判别函数贡献比较突出，具有较强判别能力的指标成为一个很重要的事情。 凡是具有筛选变量能力的判别方法统称为逐步判别法，有关这些方法的具体论述可见参考文献 [4]。 2020/10/5 中国人民大学六西格玛质量管理研究中心 62 167。 判别分析应用的几个例子 目录 上页 下页 返回 结束 在此我们以例 SPSS中的实现。 操作步骤仍与例 ，不同之处在于点击“ Analyze”→“Classify” →“Discriminant” ，打开Discriminant Analysis对话框后，将 Independents栏下的“ Enter independents together”项改选为“ Use stepwise method”，此时窗口最下面一行的“ Method”按钮被激活，点击后进入 Discriminant Analysis： stepwise method对话框，在 method栏中选中 Mahalanobis distance项，即采用马氏距离，其他选项保持不变，返回主对话框后，其他操作仍按例 ，点击“ OK”得到输出结果，部分列举如下： 2020/10/5 中国人民大学六西格玛质量管理研究中心 63 167。 判别分析应用的几个例子 目录 上页 下页 返回 结束 2020/10/5 中国人民大学六西格玛质量管理研究中心 64 167。 判别分析应用的几个例子 目录 上页 下页 返回 结束 2020/10/5 中国人民大学六西格玛质量管理研究中心 65 167。 判别分析应用的几个例子 目录 上页 下页 返回 结束 2020/10/5 中国人民大学六西格玛质量管理研究中心 66 167。 判别分析应用的几个例子 目录 上页 下页 返回 结束 2020/10/5 中国人民大学六西格玛质量管理研究中心 67 167。 判别分析应用的几个例子 目录 上页 下页 返回 结束 2020/10/5 中国人民大学六西格玛质量管理研究中心 68 167。 判别分析应用的几个例子 目录 上页 下页 返回 结束 以上是逐步回归部分的结果，第一张表说明每一步骤变量的加入和剔除情况，第二、三两张表说明进入判别函数和没有进入判别函数的变量，结果反映仅有变量 x5和 x7被保留在判别函数中，这两个指标的地区差异较大，对判别函数的贡献显著。 第四张表说明判别函数的显著性，可知最终仅包含 x5和 x7两个变量的判别函数是显著的（ F统计量）。 其他部分的输出结果与前面两例相同，在此不再赘述。 返回原数据表，同样可以看到一个新的变量名为 Dis_1，其对应的各值就是对各地区的回判和判别结果，可知广东被划分到第二类消费水平地区，西藏被划分到第三类消费水平地区，另外注意到，原属第三类地区的河北被划分到第二类，原属第二类地区的海南、重庆和四川被划分到第三类，这说明应用此时的判别函数得到的分类结果，与离差平方和法全部采用八个指标时得到的结果存在一定差异。 2020/10/5 中国人民大学六西格玛质量管理研究中心 69 2020/10/5 中国人民大学六西格玛质量管理研究中心 70 第十五章 典型相关分析 目录 上页 下页 返回 结束 •167。 典型相关分析的基本理论 •167。 典型相关分析的步骤及逻辑框图 •167。 典型相关分析的上机实现 2020/10/5 中国人民大学六西格玛质量管理研究中心 71 第十五章 典型相关分析 目录 上页 下页 返回 结束 典型相关分析（ canonical correlation analysis）是研究两组变量之间相关关系的多元分析方法。 它借用主成分析降维的思想，分别对两组变量提取主成分，且使从两组变量提取的主成分之间的相关程度达到最大，而从同一组内部提取的各主成分之间互不相关，用从两组之间分别提取的主成分的相关性来描述两组变量整体的线性相关关系。 典型相关分析的思想首先由 Hotelling于 1936年提出，计算机的发展解决了典型相关分析在应用中计算方面的困难，目前成为普遍应用的进行两组变量之间相关性分析的技术。 本章主要介绍典型相关分析的思想，基本理论及分析方法，并介绍利用 SPSS软件进行典型相关分析的方法。 2020/10/5 中国人民大学六西格玛质量管理研究中心 72 167。 典型相关分析的基本理论 目录 上页 下页 返回 结束 一、典型相关分析的统计思想 典型相关分析研究两组变量之间整体的线性相关关系，它是将每一组变量作为一个整体来进行研究而不是分析每一组变量内部的各个变量。 所研究的两组变量可以是一组变量是自变量，而另一组变量是因变量的情况，两组变量也可以处于同等的地位，但典型相关分析要求两组变量都至少是间隔尺度的。 典型相关分析是借助于主成分分析的思想，对每一组变量分别寻找线性组合，使生成的新的综合变量能代表原始变量大部分的信息，同时，与由另一组变量生成的新的综合变量的相关程度最大，这样一组新的综合变量称为第一对典型相关变量，同样的方法可以找到第二对，第三对， … ，使得各对典型相关变量之间互不相关，典型相关变量之间的简单相关系数称为典型相关系数，典型相关分析就是用典型相关系数衡量两组变量之间的相关性。 2020/10/5 中国人民大学六西格玛质量管理研究中心 73 167。 典型相关分析的基本理论 目录 上页 下页 返回 结束 2020/10/5 中国人民大学六西格玛质量管理研究中心 74 167。 典型相关分析的基本理论 目录 上页 下页 返回 结束 2020/10/5 中国人民大学六西格玛质量管理研究中心 75 167。 典型相关分析的基本理论 目录 上页 下页 返回 结束。