(2)逐步判别方法的选择 ①Milks Lambra使Milksλ统计量最小。是系统默认的方法。 ②Unexplained variance使各类不可解释的方差和最小。 ③Mahalanobis distance使最近的两组间的马哈拉诺比斯距离最小。 ④smallest F ratio。使任何两组间的最小的 F值最大。 ⑤Rao's V使 Rao的 V统计量最大。在选择并指定使用此种方法后,该项下面的文字加亮,可以在"V to enter''毫米的矩形框中输入一个变量进入模型的 V值的最小增量。
(3)关于判据的选择方法 可以从两者指定判据的方法中选择一种,并在每种方法的两个矩形框中输入判据的具体数值。 ① Use F value用F值作判据。在该项下面的两个矩形框中输人: ●Entry:后面的矩形框中输入进入模型的F值。只有变量的F值大于这个指定值时,变量进入模型。 ●Remove:在后面的矩形框中输入把变量移出模型的F值。当变量的F值小于该值时,变量从模型中剔除。 应该注意,Entry值必须大于Remove值,否则,模型中将不会有变量。 显示内容的选择 在"Stepwise Method"对话框的最下面一行可以选择要求显示在输出窗中的内容。对于逐测分析可以选择以下输出: ①Results at each step给出每一步选择变量工作完成后各变量的统计量。给出哪些统计量要看使用什么判据。使用F值作判据则给出各变量的F值;使用F值的概率作判据则给出量的F值的概率。 ② Summery仅对被加入或移出模型的变量给出统计量。 ③ F for pairwise distances显示 F比值矩阵。对每两类显示一对F比值。 逐步判别分析操作步骤 我们采用Milks Lambra方法进行逐步判别分析。使用F值作为判据统计量。当F>=30时变量进入模型;当F<=5时,变量从模型中移出。
(4)操作步骤如下: 第一、从主菜单的"Statistics",经"classify"到"Discriminant Analysis"逐一选择各菜单的菜单直到展开"Discriminant Analysis"对话框。 第二、Independents:slen、swid.Plen、Pwid;Group variables:spno(1,3)选择变量slen、swid.Plen、Pwid作为判别分析的自变量;spno作为分类变量。 第三、按"Method…"按钮,展开相应的选择逐步判别分析方法和判据的对话框。 ① 在Method(方法)矩形框中选择"Milks Lambra"; ② 在 criteria(判据)矩形框中选择"Use F value', Entry=30、Remove=5; ③ 在Display(显示)矩形框中选择在输出窗中显示的内容: ●Results at each step 要求显示每一步选择变量的结果。 ●Summary要求显示逐步选择变量子集的小结。 ●F for pairwise distance 要求显示每两类之间的成对的F矩阵。 第四、按"Statistics"按钮展开选择统计量的对话框。 ①在Descriptives矩形框中选择"Mean" ②在Function coefficients矩形框中选择 ●Fisher's要求给出线性判别函数系数. ●Unstandardized要求给出未加权的典则判别函数(典则变量)的系数。 第五、按"classify"按钮展开"classification"对话框。 ① 在 Prior Probabilities矩形框中选择"All groups equal"各组先验概率相等。 ② 在 Use covariance Matrix矩形框中选择"Within-groups"使用组内协方差矩阵。 ③ 在 Display矩形框中选择"Summary table"要求显示聚类回代结果的小结表 第六、按"save…"按钮,展开保存新变量的对话框。选择: ① Predicted group membership其值为预测分类结果的新变量。 ② Discriminant scores其值为判别分数的新变量。 ③ Probabilities of group membership变量值为各观测量分派到各类中的概率。阿 ④ 以上(3)-(6)各对话框中的选择完成后,均按"continue"按钮返回主对话框。 第七、在主对话框中按"Paste"按钮在为Symtax窗中得到命令语句组成的程序。 第八、在语句窗中按一"Run"按钮,在输出窗中得到要求的输出结果。