SPSS进行判别分析的步骤、结果解释

载入数据：

分析操作步骤：

Fisher(F)：给出的是Bayes线性判别函数的系数

未标准化(U)：给出未标准化的典型判别系数，即费希尔投影函数。

先验概率选相等给出的结果是距离判别的结果，根据组样本大小计算用于贝叶斯判别。

输出是贝叶斯判别选项

这里可以修改各组的假定概率，点击运行即可保存。

预测组成员(Predicted group membership)：存放判别样品所属类别的值；

判别得分（Discriminant scores）：存放Fisher判别函数值（投影函数）的值，有几个典型判别函数就有几个判别函数值变

组成员概率（Probabilities of group membership）：存放样品属于各类的Bayes后验概率值，总体分为几类就生成几个后验概率变量。

例5.4.1鸢尾花案例的结果分析：

案例处理汇总分析，反映有效样本和变量的缺失情况，鸢尾花这个例子没有缺失变量。

给出组别1、组别2、组别3以及组别1、2、3共同的均值、标准差差和变量个数，这个用于费希尔判别，可见第五版课本P138。

组内协方差就是当组一、组三和组二协方差相等时方差的联合无偏估计，对比下第五版课本P117的方差的联合无偏估计和第五版课本P135的公式，可得方差的联合无偏估计*（三组变量总个数-组数）=组内平方和及叉积和矩阵（E），用于费希尔判别，可见第五版课本P138。

 因为总体协方差*相应的自由度=总平方和，组间平方和=总平方和-组内平方和，所以总的协方差矩阵*相应的自由度-方差的联合无偏估计*（三组变量总个数-组数）=组间平方和及叉和矩阵（H），用于费希尔判别，可见第五版课本P138。

Box's M统计量检验各组内协方差阵相等的假设。原假设为：H0:Σ1=Σ2=Σ3=Σ  概率值小于0.05，故在0.05的显著性水平下各总体协方差阵不相等，即组一、组二和组三协方差不相等。因此在分类选项中的协方差矩阵选择可以考虑采用分组协方差。

由于只有三个组，所以只有两个判别函数。反映判别函数的特征根（第一个特征根为32.192、第二个特征根为0.285，可见第五版课本P138）、解释方差的比例和典型相关系数（组间平方和与总平方和之比的平方根，表示判别函数与组别间的关系程度）。第一个判别函数解释了99.1%的方差，第二判别函数解释了0.9%的方差，两个判别函数解释了全部方差。

Fisher判别函数有效性检验结果。该检验的原假设是不同组的平均Fisher判别函数值不存在显著差异。从表中给出的p值来看，P=0.00