我也不懂,不过网上随便搜索下答案一大把。
介绍判别分析的一个网址
http://www.jswl.cn/course/a1016/dytjzdyy/pb/pb.htm
(1)逐步判别分析方法与判据的选择
逐步判别在操作步骤方面只有在选择"方法"一点上与前面所叙述的方法有所区别,即在Discriminant过程主对话框中应该选择"Use stepwise method"。当单击该选择项时,其前面的圆圈中出现黑点,同时"Method"按钮加亮表示可以进一步选择分析方法或判据了。
单击"Method"按钮,展开"stepwise method"对话框。在对话框中显示出系统默认的逐步区别方法是Milks Lambra。其判据是:进入模型的F值为3.84;从模型中剔除变量的F值为2.71。不熟悉统计分析的用户可以不再进一步选择,直接使用系统默认的分析方法和判据.
(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。