SPSS判别分析实战教程：构建企业分类准则

本课件主要介绍如何在SPSS软件中进行判别分析（Discriminant Analysis）。首先，你需要打开名为"disc.sav"的数据文件，该文件包含一组企业的指标数据，如企业规模、服务、工资比例等，以及已知的三个类别（上升、稳定和下降）。这些指标作为预测变量（predictor variables），而类别变量（group）则是已知的训练样本。 在SPSS中进行判别分析的步骤如下： 1. **打开和加载数据**： - 打开Analyze > Classify > Discriminant，导入disc.sav数据集。 2. **设置变量**： - 将group变量放入Grouping Variable，指定范围，如1-3。 - 如果希望进行逐步判别，不选择"Enter independents together"，而是选择"Use stepwise method"，以便自动选择最佳变量组合。 3. **选择方法**： - 在Method部分，选择检验变量的方法，如默认的Wilks' Lambda，它评估每个变量对模型解释变量差异的贡献。 4. **输出结果**： - 在Statistics中，勾选Function Coefficient，选择Fisher和Unstandardized，以便获得分类函数的系数。 - 在Matrices中，选择所需的结果矩阵，例如相关阵，用于理解变量之间的关系。 5. **显示输出**： - 在Classify选项中，可以选择Display，例如summary table，显示分类汇总表，以及Leave-one-out classification，即留一法，评估模型的预测性能。 - Prior Probability部分，可以选择All groups equal（所有类别平等对待）或Compute from group sizes（根据类别大小加权），以调整分类时的先验概率。 6. **图形展示**： - 在Plots选项中，可以选择Combined-groups或Territorial map等图表类型，以可视化分类结果。 判别分析与聚类分析的区别在于，聚类分析是无监督学习，没有预先设定的类别，而判别分析则基于已知类别的训练样本，通过构建判别函数来对未知类别进行预测。在判别分析中，目标是找到一个最优的分类标准，以便准确地将未知企业的状况归入预设的类别。 课程还讨论了基于距离判别的概念，例如使用Mahalanobis距离，这是一种考虑变量之间协方差的标准化距离，用于测量样本点与类别中心之间的关系。判别函数（discriminant function）就是根据这些距离来确定新观测值的类别归属。 这节课的重点在于实际操作SPSS进行判别分析，包括数据预处理、模型设置、结果解读和图形展示，以帮助企业根据其指标进行有效的分类决策。