判别分析实验报告spss

spss实验报告

实验报告

经济贸易 系 统计学 专业 12 级 统计学本科 班 实验人： 实验地点： 实训楼B301 实验日期： 2015.3.25

实验题目：判别分析法的应用

实验目的：用SPSS软件实现判别分析及其应用

实验内容：用SPSS对实验数据利用Fisher判别法和贝叶斯判别法，建立判别函数

并判定青海、湖北、山东、陕西四个地区的归属类别

实验步骤与实验结果：

表2 组均值的均等性的检验

出生预期寿命（年） 成人识字率（%） 人均GDP（元）

Wilks 的 Lambda

F df1

df2

Sig.

spss实验报告

表2是对各组均值是否相等的检验，由该表可以看出，在0.1的显著性上我们不能拒绝成人识字率在两组的均值相等的假设，其余两个标准出生预期寿命以及人均GDP在两组的均值是有显著差异的。

表3 对数行列式 分组 1 2

汇聚的组内

秩

对数行列式

打印的行列式的秩和自然对数是组协方差矩阵的秩和自然对数。

表4 检验结果 箱的 M F

近似。 df1 df2 Sig.

对相等总体协方差矩阵的零假设进行检验

spss实验报告

实验报告

经济贸易 系 统计学 专业 12 级 统计学本科 班 实验人： 实验地点： 实训楼B301 实验日期： 2015.3.25

实验题目：判别分析法的应用

实验目的：用SPSS软件实现判别分析及其应用

实验内容：用SPSS对实验数据利用Fisher判别法和贝叶斯判别法，建立判别函数

并判定青海、湖北、山东、陕西四个地区的归属类别

实验步骤与实验结果：

表2 组均值的均等性的检验

出生预期寿命（年） 成人识字率（%） 人均GDP（元）

Wilks 的 Lambda

F df1

df2

Sig.

spss实验报告

表2是对各组均值是否相等的检验，由该表可以看出，在0.1的显著性上我们不能拒绝成人识字率在两组的均值相等的假设，其余两个标准出生预期寿命以及人均GDP在两组的均值是有显著差异的。

表3 对数行列式 分组 1 2

汇聚的组内

秩

对数行列式

打印的行列式的秩和自然对数是组协方差矩阵的秩和自然对数。

表4 检验结果 箱的 M F

近似。 df1 df2 Sig.

对相等总体协方差矩阵的零假设进行检验

数学实验报告 判别分析

一、实验目的

要求熟练掌握运用SPSS软件实现判别分析。

二、实验内容

已知某研究对象分为3类，每个样品考察4项指标，各类观测的样品数分别为7，4，6；另外还有2个待判样品分别为

第一个样品：

x1??8,x2??14,x3?16,x4?56

第二个样品：

x1?92,x2??17,x3?18,x4?3.0

运用SPSS软件对实验数据进行分析并判断两个样品的分组。

三、实验步骤及结论

1.SPSS数据分析软件中打开实验数据，并将两个待检验样本键入，作为样本18和样本19。

2.实验分析步骤为：

分析→分类→判别分析

3.得到实验结果如下：

（1） 由表1，对相等总体协方差矩阵的零假设进行检验，Sig值为0.022<0.05,则拒绝原假设，则各分类间协方差矩阵相等。

表1 协方差阵的均等性函数检验结果表 检验结果a 箱的 M F 近似。 df1 df2 Sig. 35.960 2.108 10 537.746 .022 由表2可得，函数1所对应的特征值贡献率已达到99.6%，说明样本数据均向此方向投影就可得到效果很高的分类，故只取函数1作为投影函数，舍去函数2不做分析。

表3为典型判别式函数的Wilks的Lambda检验，此检验中函数1的Wilks Lambda检验si

R语言判别分析实验报告

班级：应数1201 学号：12404108 姓名：麦琼辉

时间：2014年11月28号

1 实验目的及要求

1) 了解判别分析的目的和意义；

2) 熟悉R语言中有关判别分析的算法基础。

2 实验设备（环境）及要求

个人计算机一台，装有R语言以及RStudio并且带有MASS包。

3 实验内容

企业财务状况的判别分析

4 实验主要步骤

1) 数据管理：实验对21个破产的企业收集它们在前两年的财务数据，对25个

财务良好的企业也收集同一时期的数据。数据涉及四个变量：CF_TD（现金/总债务）；NI_TA（净收入/总资产）；CA_CL（流动资产/流动债务）；CA_NS（流动资产/净销售额），一个分组变量：企业现状（1：非破产企业，2：破产企业）。

2) 调入数据：对数据复制，然后在RStudio编辑器中执行如下命令。

case5=read.table(‘clipboard’,head=T) head(case5)

3) Fisher判别效果（等方差，线性判别lda）：采用Bayes方式，即先验概率

为样本例数，相关的RStudio程序命令如下所示。

library(MASS)

ld=lda(G~.,data=case5);ld

聚类分析实验报告

一、实验数据

2013年，在国内外形势错综复杂的情况下，我国经济实现了平稳较快发展。全年国内生产总值568845亿元，比上年增长7.7%。其中第三产业增加值262204亿元，增长8.3%，其在国内生产总值中的占比达到了46.1%，首次超过第二产业。经济的快速发展也带来了就业的持续增加，年末全国就业人员76977万人，其中城镇就业人员38240万人，全年城镇新增就业1310万人。随着我国城镇化进程的不断加快，加之农业用地量的不断衰减，工业不断的转型升级，使得劳动力就业压力的缓解需要更多的依靠服务业的发展。

（一）指标选择

根据指标选择的可行性、针对性、科学性等原则，分别从服务业的发展规模、发展结构、发展效益以及发展潜力等方面选择14个指标来衡量服务业的发展水平，指标体系如表1所示：

表1 服务业发展水平指标体系 一级指标 服务业发展规模指标 服务业发展结构指标 二级指标 服务业增加值 服务业就业人数 服务业产值比重 服务业就业比重 人均服务产品占有量 服务业发展效益指标 服务密度 服务综合生产率 服务产品外贸进出口总额 服务业贡献率 人均GDP 服务业增长速度 工业化水平 城市化

实验报告：企业的财务状况的判别分析

对与21个破产的企业收集他们在破产前两年的财务数据，对于25个财务状况良好的企业也收集同一时期的数据。数据涉及四个变量:CF-TD（现金流量/总负债）;NI-TA(净收入/总资产);CA-CL（流动资产/流动负债）；CA-NS(流动资产/净销售额)，一个组变量：企业现状（1：非破产企业， 2:破产企业）。 一：数据的管理

G CF_TD NI_TA CA_CL CA_NS 1 1 0.51 0.10 2.49 0.54 2 1 0.08 0.02 2.01 0.53 3 1 0.38 0.11 3.27 0.35 4 1 0.19 0.05 2.25 0.33 5 1 0.32 0.07 4.24 0.63 6 1 0.31 0.05 4.45 0.69 7 1 0.12 0.05 2.52 0.69 8 1 -0.02 0.02 2.05 0.35 9 1 0.22 0.08 2.35 0.40 10 1 0.17 0.07 1.80 0.52 11 1 0.15 0.05 2.17 0.5

实 验 报 告

实验项目名称 所属课程名称 实 验 类 型 实 验 日 期 班 级 学 号 姓 名 成 绩

聚类分析与判别分析 统计分析及SAS实现 验证性实验 2016-12-19 数学与应用数学

实验概述： 【实验目的及要求】 掌握SAS中根据样本或变量按照其性质上的亲疏、相似程度进行聚类分析的方法以及判别样品所属类型的判别分析的方法。掌握SAS系统中编程实现聚类分析与判别分析的方法。 【实验原理】 SAS软件的操作方法及原理 【实验环境】（使用的软件） SAS 9.3 实验内容： 【实验方案设计】 一．理解聚类分析、判别分析的基本概念； 二．掌握系统聚类法的基本思想和步骤； 三．掌握判别分析的距离判别法、Fisher判别法和Bayes判别法； 四．利用编程proc过程步实现系统聚类法与判别分析。 【实验过程】（实验步骤、记录、数据、分析） 【练习8-1

专题16 用SPSS进行判别分析

1 用默认方法作判别分析 2 选项的设置简介

1

1 用默认方法作判别分析

用默认方法作判别分析，可按如下步骤进行。 ① 建立或读入数据文件

在数据窗中输入待分析的数据，或利用File菜单中的Open功能打开已存在的数据文件。

② 展开主对话框

在SPSS主界面中依次逐层选择“Analyze”、“Classify”、“Discriminant”，展开判别分析主对话框（如图）。

2

③ 选择分类变量及其取值范围

在如图14.1的主对话框左边的矩形框中选定分类变量，并用上面一个箭头按钮将其移到“Grouping Variable”框中。然后用其下面的“Define Range”按钮打开如图14.2的对话框。

分别在“Minimum”和“Maximum”后面的矩形框中键入分类变量的最大值与最小值，然后按“Continue”按钮返回主对话框。分类变量须是数值型的，其值必须是整数，每个值代表一类，如１代表健将、２代表一级运动员、３代表二级运动员。

3

④ 选择判别变量

在主对话框左边的矩形框中选择判别变量，并用下面一个箭头按钮将它们移到“Independents”矩形框中。

⑤ 选择是否作逐

多元统计分析的课程作业,运用判别分析方法,以SPSS软件实现。附有原始数据。

基于SPSS的国家人类发展指数判别分析

多元统计分析课程作业

一、 数据说明

根据2010年联合国发布的《人类发展报告》，从2010年世界各国人类发展指数的排序中，选取极高发展水平、高发展水平、中等发展水平的国家各5个作为3组样本，另选4个国家作为待判样本做判别分析。用SPSS软件找出判别函数，并用该函数来判断中国等4个国家的类型归属。原始数据见表1。

表1 2010年15国人类发展指数构成

二、 判别分析 1、 判别过程

把所有变量加入建立判别函数所需的变量中，设置已知的变量值为3类，采用逐步判别法，按照所指定的纳入或排除标准，依次引入和剔除变量，直到方程稳定为止。

多元统计分析的课程作业,运用判别分析方法,以SPSS软件实现。附有原始数据。

SPSS给出判别过程汇总分析表，表格显示有15个样本参加判别分析，有4个样本（待判断）因没有组标而被排除在外。表2显示各组样本的有关统计量，包括各个类以及各个类总和的均值、标准差、未加权和加权的有效值。

随后的是逐步判别分析的运行结论及Wilks’ Lambda检验的具体结果，如表3，仅有两个变量（人均国民收入、预期受教育年限）通过了统计检验

R 软件做判别分析: 1. 距离判别 (1) 两样本

discriminiant.distance <- function(TrnX1, TrnX2, TstX = NULL, var.equal = FALSE) {

if (is.null(TstX) == TRUE) TstX <- rbind(TrnX1,TrnX2) if (is.vector(TstX) == TRUE) TstX <- t(as.matrix(TstX)) else if (is.matrix(TstX) != TRUE) TstX <- as.matrix(TstX)

if (is.matrix(TrnX1) != TRUE) TrnX1 <- as.matrix(TrnX1) if (is.matrix(TrnX2) != TRUE) TrnX2 <- as.matrix(TrnX2) nx <- nrow(TstX)

blong <- matrix(rep(0, nx), nrow=1, byrow=TRUE, dimnames=list(\

mu1 <- colMeans(TrnX1); mu2 <- colMeans(TrnX2) if (var.equal == TRUE || var.equal == T){ S <- var(rbind(TrnX1,TrnX2))

w <- mahalanobis(TstX, mu2, S)- mahalanobis(TstX, mu1, S) } else{

S1 <-var(TrnX1); S2 <- var(TrnX2)

w <- mahalanobis(TstX, mu2, S2)- mahalanobis(TstX, mu1, S1) }

for (i in 1:nx){

if (w[i] > 0) blong[i] <- 1 else

blong[i] <- 2 } blong }

例1: 数据

classX1<-data.frame(

x1=c(6.60, 6.60, 6.10, 6.10, 8.40, 7.2, 8.40, 7.50, 7.50, 8.30, 7.80, 7.80),

x2=c(39.00,39.00, 47.00, 47.00, 32.00, 6.0, 113.00, 52.00, 52.00,113.00,172.00,172.00),

x3=c(1.00, 1.00, 1.00, 1.00, 2.00, 1.0, 3.50, 1.00, 3.50, 0.00, 1.00, 1.50),

x4=c(6.00, 6.00, 6.00, 6.00, 7.50, 7.0, 6.00, 6.00, 7.50, 7.50, 3.50, 3.00),

x5=c(6.00, 1