1、spsSJ別分析原始數(shù)據(jù)家庭購(gòu)買割草機(jī)行為 .sav'. DISCRIMINANT /GROUPS=是否購(gòu)買(0 1) /VARIABLES=x1 x2 /ANALYSIS ALL /SAVE=CLASS SCORESPROBS /PRIORS EQUAL /STATISTICS=UNIVF BOXMDOEFFRAWTABLE CROSSVALID /CLASSIFY=NONMISSING POOLED.判別數(shù)據(jù)集家庭購(gòu)買割草機(jī)行為.sav分析案例處理摘要未加權(quán)案例N百分比有效24100.0排除的缺失或越界組代碼0.0至少一個(gè)缺失判別變量0.0缺失或越界組代碼還有至少一0.0個(gè)缺失判別

2、變量合計(jì)0.0合計(jì)24100.0由上表可以看出樣本數(shù)為24個(gè)，全部有效，無(wú)缺失和越界組組統(tǒng)計(jì)量是否購(gòu)買割草機(jī)有效的N （列表狀態(tài)）未加權(quán)的已加權(quán)的不購(gòu)買家庭收入1212.000房前屋后土地面積1212.000購(gòu)買家庭收入1212.000房前屋后土地面積1212.000合計(jì)家庭收入2424.000房前屋后土地面積2424.00012。買割草機(jī)的未加由上表可以看出，不購(gòu)買割草機(jī)的未加權(quán)和已加權(quán)的有效的樣本都是 權(quán)和已加權(quán)的有效的樣本都是12。合計(jì)有效的樣本是24.組均值的均等性的檢驗(yàn)Wilks 的 LambdaFdf1df2Sig.家庭收入.67410.656122.004房前屋后土地面積.693

3、9.736122.005分析1協(xié)方差矩陣的均等性的箱式檢驗(yàn)對(duì)數(shù)行列式是否購(gòu)買割草 機(jī)秩對(duì)數(shù)行列式不購(gòu)買23.207購(gòu)買23.578匯聚的組內(nèi)23.442打印的行列式的秩和自然對(duì)數(shù)是組協(xié)方差 矩陣的秩和自然對(duì)數(shù)。檢驗(yàn)結(jié)果箱的M1.094F近似。.329df13df287120.000Sig.805對(duì)相等總體協(xié)方差矩陣的零假設(shè)進(jìn) 行檢驗(yàn)。典型判別式函數(shù)摘要特征值函數(shù)特征值方差的%累積%正則相關(guān)性11.175 a100.0100.0.735a.分析中使用了前1個(gè)典型判別式函數(shù)Wilks 的 Lambda函數(shù)檢驗(yàn)Wilks 的 Lambda卡方dfSig.1.46016.3192.000標(biāo)準(zhǔn)化的典型判

4、別式函數(shù)系數(shù)函數(shù)1家庭收入房前屋后土地面積.808.784結(jié)構(gòu)矩陣函數(shù)1家庭收入.642房前屋后土地面積.614判別變量和標(biāo)準(zhǔn)化典型判別式函數(shù)之間的匯聚組間相關(guān)性按函數(shù)內(nèi)相關(guān)性的絕對(duì)大小排序的變典型判別式函數(shù)系數(shù)函數(shù)1家庭收入.146房前屋后土地面積.759（常量）-10.522非標(biāo)準(zhǔn)化系數(shù)組質(zhì)心處的函數(shù)是否購(gòu)買函數(shù)割草機(jī)1不購(gòu)買-1.038購(gòu)買1.038在組均值處評(píng)估的非標(biāo)準(zhǔn)化典型判別式函數(shù)分類的臨界點(diǎn)是 0。計(jì)算過(guò)程：-1.038*1/2+1.038*1/2=0分類統(tǒng)計(jì)量分類處理摘要已處理的24已排除的缺失或越界組代碼0至少一個(gè)缺失判別變量0用于輸出中24組的先驗(yàn)概率是否購(gòu)買割草機(jī)先驗(yàn)用于

5、分析的案例未加權(quán)的已加權(quán)的不購(gòu)買.5001212.000購(gòu)買.5001212.000合計(jì)1.0002424.000是否購(gòu)買割草機(jī)不購(gòu)買購(gòu)買家庭收入.9951.298房前屋后土地面積9.37910.954（常量）-51.557-73.399Fisher的線性判別式函數(shù)分類函數(shù)表，可以寫出判別函數(shù)，Y1=-51.557+0.99X1+9.379X2 , Y2=-73.399+1.298X1+10.954X2。分類結(jié)果是否購(gòu)買割草機(jī)預(yù)測(cè)組成員合計(jì)不購(gòu)買購(gòu)買初始計(jì)數(shù)不購(gòu)買10212購(gòu)買11112%不購(gòu)買83.316.7100.0購(gòu)買8.391.7100.0交叉驗(yàn)證a計(jì)數(shù)不購(gòu)買9312購(gòu)買21012%不購(gòu)買75.025.0100.0購(gòu)買16.783.3100.0a. 僅對(duì)分析中的案例進(jìn)行交叉驗(yàn)證。在交叉驗(yàn)證中，每個(gè)案例都是按照從該案例以外的所有其他案例派生的函數(shù)來(lái)分類的。b. 已對(duì)初始分組案例中的 87.5%個(gè)進(jìn)行了正確分類。c. 已對(duì)交叉驗(yàn)證分組案例中的 79.2%個(gè)進(jìn)行了正確分類。從表中可以看出，在預(yù)測(cè)的不購(gòu)買的樣本中，有10個(gè)確實(shí)沒(méi)有購(gòu)買，有2個(gè)購(gòu)買了，預(yù)測(cè)精度為83.3%。在預(yù)測(cè)的購(gòu)買的樣本中，有11個(gè)確實(shí)購(gòu)買了，有1個(gè)沒(méi)有購(gòu)買，預(yù)測(cè)精度為91.7