SPSS分析技术:判别分析
在数据处理中,有这样一种情况:现在已经有若干样本被正确地分类了,但不清楚分类的依据是什么。同时,未来还会有大量的未被分类的样本,需要按照上述规则判定这些样本的所属类别。为此,需要根据已被正确分类的样本及其属性,进行数据分析,找出影响样本归类的关键因素,甚至获得一个判定系数;然后依据判定系数,对未来样本进行判别。判别分析是为了解决未来个案归属问题而提出的一种数据分类技术,它基于已有的分类个案寻求有效的判别规则,并借助判别规则对未来个案的归属进行判定。
判别分析基于已有的个案及其分类情况(已有类别号),寻求能够决定个案类别归属的判定函数式,然后借助判定函数来对未归类个案实施判定。在针对个案的判别分析中,判别函数的质量直接影响到判定的正确率,因此寻求优质的判定函数对于判别分析的正确与否至关重要。
判别分析的价值主要体现在两个方面:
让未来个案自动归类或预测其可能的类别;
修正当前已归类个案中的不严谨结论;
基于已分类的部分个案开展分析并最终获得判别函数式,然后再依据判别函数式重新对已经分类个案进行判断,可以检查判别函数式的质量。如果判定值与原始类别号的吻合度较高,达到85%以上,则表示判别函数式有效,那么可以借助这个判别函数式对未来个案进行分类。与此同时,还可进一步检查在已有个案中,判定值与原始类别号不能吻合的那些个案,看看它们的归类是否存在问题。
两种判别方式
在SPSS中,判别分析的实现共有两种思路,分别是费舍尔(Fisher)判别法和贝叶斯(Bayes)判别法。
Fisher判别法
Fisher判别法是一种基于多维坐标系的判定方式。如果待研究个案被分为K类,那么系统可创建一个K-1维的坐标系,每个类别的中心都是坐标系中的一个点,被称之为质心点。每一个个案都可以表示为K-1个数值构成的坐标点,这个坐标点距离那个质心点更近,就归类到那个类别之中。
例如,将一个个案集分为三类,如果采用Fisher判别法就需要构成一个二维的平面直角坐标系,在这个坐标系中有3个质心点。执行Fisher判别分析后,系统会创建两个函数式,分别可以计算出每个个案对应的X坐标和Y坐标,然后通过计算这个点与每个质心点的距离,找到与当前点距离最小的质心点,从而确定当前个案的归属。
Bayes判别法
Bayes判别法的基本思路是:直接为每个类别产生一个判别函数式。如果原始个案被分为K类,则直接产生K个函数式。对于待判定类别的个案,直接把该个案各属性的取值代入到每个判别函数式中,那个函数式的值最大,该个案就被划归到那个类别中。
例如,某原始个案集被分为4类,则分别产生了Y1~Y4四个函数式。对于待分类的个案H,可以把H的各个属性值分别代入到函数式Y1~Y4中,然后比较4个数值的大小。假设最终结果是Y3最大,那么这个个案就属于第3类。
自变量筛选
与多元线性回归分析相似,判别函数式也是一组包含多个自变量的多元线性方程。因此在设计判别函数式时,同样存在着对多个自变量的进入判定与筛选问题。有下面几种自变量筛选的方式:
1、使用全部自变量法;把用户提供的所有自变量都直接纳入到判定函数式中,无论这些自变量对函数式的作用力到底有多大。这个方法是系统默认的方法。
2、使用步进方法;让自变量逐个尝试进入函数式,如果进入到函数式中的自变量符合条件,则保留在函数式中,否则,将从函数式中剔除。使用步进方法,对自变量的筛选方式。使用步进方法,对自变量的筛选方式,又包括以下几种:
威尔克斯lambda值法:它是组内平方和与总平方和之比,用于描述各组的均值是否存在显著差别,当所有观测组的均值都相等时,Wilks’lambda值为1,;当组内变异与总变异相比很小时,表示组件变异较大,表示组间变异较大,系数接近于0。
未解释方差法:它指把计算残余最小的自变量优先纳入到判别函数式中。
马氏距离法:它把马氏距离最大的自变量优先纳入到判别函数式中。
最小F比率法:它把方差差异最大的自变量优先纳入到判别函数中。
劳氏增值法:它把劳氏统计量V产生最大增值的自变量优先纳入到判别函数中。
范例分析
现在有三种不同种类的花生,记录它们的质量、宽度和长度,制成统计表。每种类型都有20个样本,共60个样本。根据不同种的花生特征,建立鉴别不同种花生的判别方程。
分析步骤
1、选择菜单【分析】-【分类】-【判别】。将类型变量选为分组变量,将质量、宽度和长度选为自变量。自变量进入方法选择步进法。
2、选择【保存】项,将预测组成员和判别分数选中。点击继续,然后点击确定。
结果分析
1、输出判别结果,如下图所示,Dis_1表示判定类别,Dis1_1和Dis2_1分别表示将个案值代入到自动生成的两个判定函数中得到的结果。
2、步进方式筛选自变量的情况;
从上图可知,质量、宽度和长度都被纳入到函数式中,且显著性都为0.000,表示三个自变量的影响力是显著的。
上图是对三个变量步进式进入方程的结果:产生三个模型,序号为1~3。三种模型的Lambda值都远小于1,而且第三个模型的lambda值仅为0.001,显著性为0.000。因此,从总体上说,这三个模型都是有效的,以第三个模型为最终结果。
3、典型判别式函数摘要;
在特征值表格中,本次判别分析共生成两个判别函数式,函数式1和函数式2的特征值都大于1;下表的lambda值都远小于1,显著性都为0.000,说明两个函数式的作用都非常强。
4、函数系数及组质心坐标表格
左边的表格式生成的两个函数式的系数。右边的表格表示三个组质心的坐标。对于标准化的判别函数式,其自变量的系数可以直观地反映该自变量对最终判定的影响力水平。但需要注意的是,在具体的应用当中,不能直接把个案的各个属性的原始值代入到标准化函数式中使用。只有已经标准化的自变量属性值才可应用于标准化的判别函数式。数据分析师培训
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在当今数字化时代,数据分析师的重要性与日俱增。但许多人在踏上这条职业道路时,往往充满疑惑: 如何成为一名数据分析师?成为 ...
2025-04-02最近我发现一个绝招,用DeepSeek AI处理Excel数据简直太爽了!处理速度嘎嘎快! 平常一整天的表格处理工作,现在只要三步就能搞 ...
2025-04-01你是否被统计学复杂的理论和晦涩的公式劝退过?别担心,“山有木兮:统计学极简入门(Python)” 将为你一一化解这些难题。课程 ...
2025-03-31在电商、零售、甚至内容付费业务中,你真的了解你的客户吗? 有些客户下了一两次单就消失了,有些人每个月都回购,有些人曾经是 ...
2025-03-31在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的需求持续飙升。世界经济论坛发布的《未来就业报告》, ...
2025-03-28你有没有遇到过这样的情况?流量进来了,转化率却不高,辛辛苦苦拉来的用户,最后大部分都悄无声息地离开了,这时候漏斗分析就非 ...
2025-03-27TensorFlow Datasets(TFDS)是一个用于下载、管理和预处理机器学习数据集的库。它提供了易于使用的API,允许用户从现有集合中 ...
2025-03-26"不谋全局者,不足谋一域。"在数据驱动的商业时代,战略级数据分析能力已成为职场核心竞争力。《CDA二级教材:商业策略数据分析 ...
2025-03-26当你在某宝刷到【猜你喜欢】时,当抖音精准推来你的梦中情猫时,当美团外卖弹窗刚好是你想吃的火锅店…… 恭喜你,你正在被用户 ...
2025-03-26当面试官问起随机森林时,他到底在考察什么? ""请解释随机森林的原理""——这是数据分析岗位面试中的经典问题。但你可能不知道 ...
2025-03-25在数字化浪潮席卷的当下,数据俨然成为企业的命脉,贯穿于业务运作的各个环节。从线上到线下,从平台的交易数据,到门店的运营 ...
2025-03-25在互联网和移动应用领域,DAU(日活跃用户数)是一个耳熟能详的指标。无论是产品经理、运营,还是数据分析师,DAU都是衡量产品 ...
2025-03-24ABtest做的好,产品优化效果差不了!可见ABtest在评估优化策略的效果方面地位还是很高的,那么如何在业务中应用ABtest? 结合企业 ...
2025-03-21在企业数据分析中,指标体系是至关重要的工具。不仅帮助企业统一数据标准、提升数据质量,还能为业务决策提供有力支持。本文将围 ...
2025-03-20解锁数据分析师高薪密码,CDA 脱产就业班助你逆袭! 在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的 ...
2025-03-19在 MySQL 数据库中,查询一张表但是不包含某个字段可以通过以下两种方法实现:使用 SELECT 子句以明确指定想要的字段,或者使 ...
2025-03-17在当今数字化时代,数据成为企业发展的关键驱动力,而用户画像作为数据分析的重要成果,改变了企业理解用户、开展业务的方式。无 ...
2025-03-172025年是智能体(AI Agent)的元年,大模型和智能体的发展比较迅猛。感觉年初的deepseek刚火没多久,这几天Manus又成为媒体头条 ...
2025-03-14以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-13以下的文章内容来源于刘静老师的专栏,如果您想阅读专栏《10大业务分析模型突破业务瓶颈》,点击下方链接 https://edu.cda.cn/go ...
2025-03-12