一、实验目的及要求：
1、目的
用SPSS软件实现判别分析及其应用。 2、内容及要求
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宿州、广安等13个地级市分别属于哪个管理水平类型。
二、仪器用具：
仪器名称 计算机 SPSS软件 规格/型号 数量 1 1 备注 有网络环境 三、实验方法与步骤:
准备工作：把实验所用数据从Word文档复制到Excel，并进一步导入到SPSS数据文件中，同时，由于只有当被解释变量是属性变量而解释变量是度量变量时，判别分析才适用，所以将城市管理的7个效率指数变量的变量类型改为“数值（N）”，度量标准改为“度量（S）”，以备接下来的分析。
四、实验结果与数据处理：
表1 组均值的均等性的检验
综合效率标准指数 经济效率标准指数 结构效率标准指数 社会效率标准指数 人员效率标准指数 发展效率标准指数 环境效率标准指数
Wilks 的 Lambda
.582 .406 .954 .796 .342 .308 .913 F 23.022 46.903 1.560 8.225 61.645 71.850 3.054 df1
2 2 2 2 2 2 2 df2
64 64 64 64 64 64 64 Sig.
.000 .000 .218 .001 .000 .000 .054 表1是对各组均值是否相等的检验，由该表可以看出，在0.05的显著性水平
1
上我们不能拒绝结构效率标准指数和环境效率标准指数在三组的均值相等的假设，即认为除了结构效率标准指数和环境效率标准指数外，其余五个标准指数在三组的均值是有显著差异的。
表2 对数行列式 group 1 2 3
汇聚的组内
秩
6 6 6 6 对数行列式
-33.410 -33.177 -40.584 -32.308 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3 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。
140.196 2.498 42 1990.001 .000 以上是对各组协方差矩阵是否相等的Box’M检验，表2反映协方差矩阵的秩和行列式的对数值。由行列式的值可以看出，协方差矩阵不是病态矩阵。表3是对各总体协方差阵是否相等的统计检验，由F值及其显著水平，在0.05的显著性水平下拒绝原假设，认为各总体协方差阵不相等。 1）Fisher判别法：
2
图一
图二
表4 特征值 函数 1 2 特征值 3.763 1.257 aa方差的 % 75.0 25.0 累积 % 75.0 100.0 正则相关性 .889 .746 a. 分析中使用了前 2 个典型判别式函数。
表5 Wilks 的 Lambda 函数检验
1 到 2
dimension0Wilks 的 Lambda
.093 .443 卡方 146.042 50.053 df
12 5 Sig.
.000 .000 2
表4反映了判别函数的特征值、解释方差的比例和典型相关系数。第一判别函
3
数解释了75%的方差，第二判别函数解释了25%的方差，它们两个判别函数解释了全部方差。
表5是对两个判别函数的显著性检验，由Wilks’Lambda检验，认为两个判别函数在0.05的显著性水平上是显著的。
表6 标准化的典型判别式函数系数
综合效率标准指数 经济效率标准指数 结构效率标准指数 社会效率标准指数 人员效率标准指数 发展效率标准指数
函数
1
-.228 .566 .097 .378 -.328 .621 2
-.578 .404 .472 .233 1.099 .675
表7 结构矩阵
发展效率标准指数 经济效率标准指数 综合效率标准指数 社会效率标准指数 环境效率标准指数 人员效率标准指数 结构效率标准指数
判别变量和标准化典型判别式函数之间的汇聚组间相关性 按函数内相关性的绝对大小排序的变量。
*. 每个变量和任意判别式函数间最大的绝对相关性 a. 该变量不在分析中使用。
a
函数
1
.752 .611 .426 .261 .141 -.547 .070 *****
2
.305 .222 .170 -.001 -.129 .797 -.156 **
表6为标准化的判别函数，表7为结构矩阵，即判别载荷。由判别权重和判别载荷可以看出发展效率标准指数、经济效率标准指数对判别函数1的贡献较大，而人员效率标准指数对判别函数2的贡献较大。
4
表8 典型判别式函数系数
综合效率标准指数 经济效率标准指数 结构效率标准指数 社会效率标准指数 人员效率标准指数 发展效率标准指数 (常量) 非标准化系数
函数
1
-5.216 5.168 .999 4.877 -3.319 7.145 -1.363 2
-13.231 3.688 4.848 3.011 11.138 7.774 -6.424
表9 组质心处的函数 group
1
函数
2
-.210 3.964 -2.725 -.730 1.263 1.905 1 2 3
0
在组均值处评估的非标准化典型判别式函数
表8为非标准化的判别函数，我们可以根据这个判别函数计算每个观测的判别Z得分。表9反映判别函数在各组的重心。根据结果，判别函数在group=1这一组的重心为（-0.210，-0.730），在group=2这一组的重心为（3.964,1.263），在group=3这一组的重心为（-2.725,1.905）。这样，我们就可以根据每个观测的判别Z得分将观测进行分类。
表10 组的先验概率 group
先验
用于分析的案例
5
判别分析实验报告 SPSS
