最新消息: USBMI致力于为网友们分享Windows、安卓、IOS等主流手机系统相关的资讯以及评测、同时提供相关教程、应用、软件下载等服务。

判别分析4

IT圈 admin 27浏览 0评论

2024年3月23日发(作者:邗红叶)

实验报告

经贸 系 统计 专业 08 级 01 班 39 号

实验人 刘海英 实验地点: 实训楼B305 实验日期: 2011-11-10

实验题目:

判别分析

实验类型:

基本操作

实验目的:

掌握判别分析的基本原理及方法

实验内容:

数据文件记录了850位过去和潜在客户的财务和人口统计信息。前700个个案是

以前曾获得贷款的客户。剩下的150个个案是潜在客户,获贷款的客户被分为履

约与违约两类。使用判别分析法来分析潜在客户的贷款风险。

1、使用一般判别分析的方法,分析潜在客户,同时写出标准化的判别函数和非

标准化的判别函数。

2、使用逐步判别法,分析潜在客户。判断哪些变量归入到判别函数中,并写出

标准化和非标准化的函数。

实验步骤:

一、使用一般判别分析的方法:

1、打开数据选择“分析—分类—判别”在判别分析对话框中:分组变量中选择“违约”,定

义范围为“0”到“1”;自变量选择“年龄、教育、工龄、地址、收入、负债率、信用

卡负债、其他负债”;

2、在“统计量-函数系数”中选择“Fisher、未标准化”,单击“继续”;

3、在分类对话框中选择:“不考虑该个案时的分类”,单击“继续”;

4、在保存对话框中选择:“预测组成员” 单击“继续”;最后“确定”。

二、使用逐步判别法:

1、打开数据选择“分析—分类—判别”在判别分析对话框中:分组变量中选择“违约”,定

义范围为“0”到“1”;自变量选择“年龄、教育、工龄、地址、收入、负债率、信用

卡负债、其他负债”,选择“使用步进式方法”;

2、选择“统计量—Fisher、未标准化”,单击“继续”;

3、在分类对话框中选择:“不考虑该个案时的分类”,单击“继续”;

4、在保存对话框中选择:“预测组成员” 单击“继续”;最后“确定”。

实验结果:

一、使用一般判别分析的方法:

1、标准化的判别函数:

特征值:

特征值

函数

1

特征值

.405

a

方差的 %

100.0

累积 %

100.0

正则相关性

.537

a. 分析中使用了前 1 个典型判别式函数。

图表表明第一个典型判别式函数解释了变量100%的数字特征。

Wilks 的 Lambda

Wilks 的

函数检验

1

Lambda

.712

卡方

236.117

df

8

Sig.

.000

第一个函数的Lambda值为0.712,p值为0.000<0.05拒绝原假设,表明函数显著.

2024年3月23日发(作者:邗红叶)

实验报告

经贸 系 统计 专业 08 级 01 班 39 号

实验人 刘海英 实验地点: 实训楼B305 实验日期: 2011-11-10

实验题目:

判别分析

实验类型:

基本操作

实验目的:

掌握判别分析的基本原理及方法

实验内容:

数据文件记录了850位过去和潜在客户的财务和人口统计信息。前700个个案是

以前曾获得贷款的客户。剩下的150个个案是潜在客户,获贷款的客户被分为履

约与违约两类。使用判别分析法来分析潜在客户的贷款风险。

1、使用一般判别分析的方法,分析潜在客户,同时写出标准化的判别函数和非

标准化的判别函数。

2、使用逐步判别法,分析潜在客户。判断哪些变量归入到判别函数中,并写出

标准化和非标准化的函数。

实验步骤:

一、使用一般判别分析的方法:

1、打开数据选择“分析—分类—判别”在判别分析对话框中:分组变量中选择“违约”,定

义范围为“0”到“1”;自变量选择“年龄、教育、工龄、地址、收入、负债率、信用

卡负债、其他负债”;

2、在“统计量-函数系数”中选择“Fisher、未标准化”,单击“继续”;

3、在分类对话框中选择:“不考虑该个案时的分类”,单击“继续”;

4、在保存对话框中选择:“预测组成员” 单击“继续”;最后“确定”。

二、使用逐步判别法:

1、打开数据选择“分析—分类—判别”在判别分析对话框中:分组变量中选择“违约”,定

义范围为“0”到“1”;自变量选择“年龄、教育、工龄、地址、收入、负债率、信用

卡负债、其他负债”,选择“使用步进式方法”;

2、选择“统计量—Fisher、未标准化”,单击“继续”;

3、在分类对话框中选择:“不考虑该个案时的分类”,单击“继续”;

4、在保存对话框中选择:“预测组成员” 单击“继续”;最后“确定”。

实验结果:

一、使用一般判别分析的方法:

1、标准化的判别函数:

特征值:

特征值

函数

1

特征值

.405

a

方差的 %

100.0

累积 %

100.0

正则相关性

.537

a. 分析中使用了前 1 个典型判别式函数。

图表表明第一个典型判别式函数解释了变量100%的数字特征。

Wilks 的 Lambda

Wilks 的

函数检验

1

Lambda

.712

卡方

236.117

df

8

Sig.

.000

第一个函数的Lambda值为0.712,p值为0.000<0.05拒绝原假设,表明函数显著.

发布评论

评论列表 (0)

  1. 暂无评论