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。
二、判别分析
如图2所示,依次单击分析-分类-判别式。
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。
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。
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。
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”。
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。
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。
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”。
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。
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。
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。
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。
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。
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。