如何在IBM SPSS Statistics中进行逐步判别分析

IBM SPSS Statistics的判别分析是分类分析方法中的一种，是在分类已知的前提下，根据一个分组变量以及其他已知的变量数据来统计判定，并确定分组的分析方法。

判别分析包含一般判别与逐步判定。本文重点讲解逐步判定，其特点是，通过步进的方法，判别与分类相关性强的变量来进一步确定分类。另外，逐步判定还能对其中的样本进行预测判别。

接下来，我们通过实例来详细讲解下。

一、数据准备

本文使用的是一组店铺的数据，使用星级变量作为分组变量。其中，账号1对应的样本缺失了星级数据，需进行预测判别。

图1：店铺数据

二、判别分析

如图2所示，依次单击分析-分类-判别式。

图2：判别分析

如图3所示，在判别分析的参数列表中，未出现上述的“星级”变量，这是因为，判别分析的变量必须是数值型变量，而上述数据中的“星级”变量属于字符串变量。因此，我们需先进行变量的转换。

图3：设置面板

三、转换变量类型

如图4所示，依次单击SPSS的转换-重新编码为不同变量。

图4：密码类型

将星级变量添加到右侧变量转换选项，并设置输出变量名称为星级1。

接着，选中已定义的输出变量（即星级—>星级1），单击“旧值和新值”按钮。

图5：重新编码为不同变量

如图6所示，将星级变量中旧值的“五星”、“四星”、“三星”依次定义为新值“5”、“4”、“3”。

图6：赋新值

接着，返回到数据集，如图7所示，在原数据的末端会出现一个新的星级1变量。

图7：屏幕代码

四、判别分析参数设置

完成变量的转换后，再次启动判别分析，如图8所示，将星级1变量添加为分组变量。然后，再单击下方的“定义范围”按钮，定义分组变量的最小值与最大值。

图8：分组变量与范围

接着，如图9所示，将其他用于判别的变量添加为自变量，并在自变量下方勾选“使用步进法”。

图9：自变量

完成变量的设置后，打开统计设置，勾选“平均值”、“费希尔”、“未标准化”函数系数，用于给出判别函数的系数。

图10：统计量

在分类设置中，勾选“摘要表”、“合并组”、“领域图”，用于给出分类的结果。

图11：分类设置

最后，在保存设置中，勾选“预测组成员资格”，用于预测观察值的分类。

图12：保存设置

五、结果解读

完成以上设置后，运行分析。

如图13所示，根据逐步统计的结果，销售额的判定系数显著性小于0.01，说明销售额对判定分类具有显著性意义，而客流量、销售量被剔除，说明以上两个变量对判定无显著意义。

图13：判别变量

从分类结果表看到，判定分析已经正确地对95.4%的个案进行分类，并且将未分组的个案预测判定为类4。

图14：分类结果与预测成员

六、小结

综上所述，SPSS的逐步判别，是在分类已知的前提下，运用分组变量与其他已知变量进行逐步判定、剔除变量，确定分类的分析方法。与一般判定相对比，逐步判定考虑了变量的相关性，有助于提高分析的效率以及剔除无意义变量的影响。