目录Python全系列 教程
3567个小节阅读：5930.7k
目录
鸿蒙应用开发
C语言快速入门
JAVA全系列 教程
面向对象的程序设计语言
Python全系列 教程
Python3.x版本，未来主流的版本
人工智能 教程
顺势而为，AI创新未来
大厂算法 教程
算法，程序员自我提升必经之路
C++ 教程
一门通用计算机编程语言
微服务 教程
目前业界流行的框架组合
web前端全系列 教程
通向WEB技术世界的钥匙
大数据全系列 教程
站在云端操控万千数据
AIGC全能工具班
A A
White Night
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。
逐步判别法的基本思想是：逐步引入变量，每次引入一个"最重要"的变量，同时也检验先前引入的变量，如果先前引入的变量其判别能力随新引入变量而变不显著，则及时将其从判别式中剔除，直到判别式中的变量都很显著，且剩下来的变量也没有重要的变量可引入判别式时，逐步筛选结束。就是不断的对筛选的变量作检验，找出显著性变量，剔除不显著变量。
导入数据
在步进法选择默认的方法。在条件中使用F值表示值大于3.84时候引入模型，小于2.71删除。
点击“确定”，在输出窗口中查看结果
从分析个案处理摘要中可以看到有效个案数和缺失个案数即所占的百分比。
在组统计表中对不同组别，每个类别值计算平均值、标准偏差。
汇聚组内协方差矩阵
上表是分组协方差矩阵
上表检验结果可以看到，显著性小于0.05，表名对等同群体协方差矩阵的原假设检验不成立。
从输入/除去的变量表中，看到显著性小于0.05，说明三个输入变量对组别都有显著性影响
从威尔克Lambda检验中可以看到显著性都是小于0.05，说明马力、底盘重要、燃料效率这三个变量对车型有显著性影响。
从特征值中可以看到，使用两个函数可以解释所有方差变异。
威尔克Lambda用来检验函数是否有统计学意义。从显著性可以看到小于0.05，说明函数检验是有统计学意义的。
标准化判别函数系数 中可以得到判别函数 y1 = 0.394 * 马力-0.634 * 底盘重量 + 0.701*燃料效率
y2 = 1.221* 马力+0.091* 底盘重量 + 0.615*燃料效率
在结构矩阵中是判别变量与标准化典则判别函数之间的汇聚组内相关性，从中可以看到，函数1中地盘重量和燃料效率对组别的贡献较大。在函数2中马力对组别的贡献较大。
典则判别函数系数是未标准化的系数。从中可以得到判别函数是：y1 = 0.009* 马力-1.467* 底盘重量 + 0.234*燃料效率 - 2.353
y2 = 0.029* 马力-0.212* 底盘重量 + 0.205*燃料效率 - 10.948
在组质心处的函数给出三种类别对应函数在组质心处的位置，从而判别属于哪种类别。
从分类函数系数得到分类判别函数是：y（低端车型） = 0.254* 马力 + 39.854* 底盘重量 + 8.784*燃料效率 - 195.451
y（中端车型） = 0.224* 马力 + 44.342* 底盘重量 + 8.055*燃料效率 - 188.695
y（高端车型）= 0.297* 马力 + 42.097* 底盘重量 + 8.881*燃料效率 - 213.245
上面散点图，正方形表是组质心，从图可以很直观的看到分类情况，离谁的组质心近就分到哪一类。
