判别分析，ArcGIS中的判别分析怎么使用

本文目录一览

1，ArcGIS中的判别分析怎么使用
2，关于SPSS判别分析
3，SPSS中的判别分析是哪种判别是距离贝叶斯还是fisher判别搜
4，什么是逐步判别分析
5，怎样在Excel里实现判别分析
6，判别分析的应用

1，ArcGIS中的判别分析怎么使用

首先保证您的空间参考设置正确，尤其要一致。使用union，然后添加你要处理的。就相当于给图斑赋行政区的值可以实现您的任务，试试吧！

ArcGIS中的判别分析怎么使用

2，关于SPSS判别分析

判别分析的目的是为了将待分类的事物根据已有的分类数据进行分类，所以最终会出来一个判别类别系数可以写判别方程，然后就可以根据这个方程来预测了

关于SPSS判别分析

3，SPSS中的判别分析是哪种判别是距离贝叶斯还是fisher判别搜

选项Fisher：贝叶斯判别分析法；选项未标准化：Fisher判别分析法。

可以选择两种距离中的一种再看看别人怎么说的。

SPSS中的判别分析是哪种判别是距离贝叶斯还是fisher判别搜

4，什么是逐步判别分析

判别分析：在研究中，研究对象按某种方法已经划分为若干类型，当得到一个新的样品数据（通常是多元的），要确定该样品属于已知类型中哪一类，这类问题属于判别分析。判别分析中指标较多时，一些不重要变量的引入，产生干扰而影响判别效果，甚至一些变量的引入，可能引起计算上的空难，因此，变量的选择是判别分析中重要的问题，逐步判别分析就是解决合理选择变量进行判别分析的一种方法。

5，怎样在Excel里实现判别分析

spss进行判别分析步骤 1．Discriminant Analysis判别分析主对话框如图 1-1 所示图 1-1 Discriminant Analysis 主对话框（1）选择分类变量及其范围在主对话框中左面的矩形框中选择表明已知的观测量所属类别的变量(一定是离散变量)，按上面的...

excel提供一个很好的功能,那就是数据透视表,你的数据是源数据,只要轻松几步就能实现你的目的,挺方便的!

6，判别分析的应用

在气候分类、农业区划、土地类型划分中有着广泛的应用。在市场调研中，一般根据事先确定的因变量（例如产品的主要用户、普通用户和非用户、自有房屋或租赁、电视观众和非电视观众）找出相应处理的区别特性。在判别分析中，因变量为类别数据，有多少类别就有多少类别处理组；自变量通常为可度量数据。通过判别分析，可以建立能够最大限度的区分因变量类别的函数，考查自变量的组间差异是否显著，判断那些自变量对组间差异贡献最大，评估分类的程度，根据自变量的值将样本归类。应用范围1）信息丢失2）直接的信息得不到3）预报4）破坏性实验假设条件1）分组类型在两种以上，且组间样本在判别值上差别明显。2）组内样本数不得少于两个，并且样本数量比变量起码多两个。3）所确定的判别变量不能是其他判别变量的线性组合。4）各组样本的协方差矩阵相等。5）各判别变量之间具有多元正态分布。6）样品量应在所使用的自变量个数的10~20倍以上时，建立的判别函数才比较稳定；而自变量个数在8~10之间时，函数的判别效果才能比较理想。当然，在实际工作中判别函数的自变量个数往往会超过10个，但应该注意的是，自变量的个数多并不代表效果好spss操作：“分析”～“分类”～“判别”～进入判别分析主对话框。这里有容易引起歧义的二个变量，最上面的为分组变量。对分组变量的了解需要联系判别分析的原理以及适用范围。因为判别分析是已知分类数目的情况下，进行分析，这个已知的分类数目就是这个分组变量。其实，一般分析步骤中，都是先进行聚类分析，聚类之后得到的分类结果就是这个分组变量，然后再选择这个分组变量，进行分析。也就是，聚类分析是母亲，母亲的孩子就是判别分析。得到的判别函数就是预测想要知道的个案究竟属于哪一类。另一个变量就是选择变量，它位于主对话框的最下面。这个选择变量在回归分析相应的对话框中也有，意思就是选择你需要的变量，这个变量可以为数据窗口的一个整个变量，也可以利用子设置“值”进行选择，所以，它的名字叫做选择变量。“统计量”子对话框：“描述性”栏，包括“均值”“单变量ANOVA”“BoxsM”需要特别说明，以后只要见到ANOVA这个单词，它的意思就是方差分析，也就是进一步输出方差分析表，其中最重要的就是P值也就是Sig值。BoxsM复选框：指的是输出对组协方差矩阵的等同性检验的检验结果。也就是对各类协方差矩阵相等的假设进行检验。“函数系数”栏：其实就是将判别函数系数进行设置。包括“费雪”和“未标准化”。费雪指的是对每一类给出一组系数，并且给出该组中判别分数最大的观测量。“矩阵”栏：都是复选框，对应相应的矩阵也就是在结果表中的四种数阵。“组内相关”“组内协方差”“分组协方差”“总体协方差”这个都是计算机自动计算，人工计算是不可能完成的任务。“分类”子对话框：本文也提到过先验概率，先验概率就是已知一部分信息，来了解未知信息也就是后验概率。“所有组相等”也就是如果分为几类，这所有的类中的先验概率都相等。“根据组大小计算”各类先验概率按照和各类样本量呈正比。“使用协方差矩阵”栏：是二个单选框。“在组内”指使用合并组内协方差矩阵进行分析“分组”指使用各组协方差矩阵进行分析。“输出”栏～“个案结果”：对每一个观测量输出判别分数，也就是选定变量的个案的分进哪个组的资格得分。实际类，预测类，也就是根据判别得分计算的古今对比。实际类就是目前实际上分为几类，预测类就是过去对未来预测，它们一对比，就可以知道过去和现在差别在哪里。附属选项“将个案限制在”在后面的小矩形框中输入观测量数，含义为仅输出设置的观测量结果，当个案也就是观测量太多，可以用此法。“摘要表”输出分类小结，给出正确和错分的观测量数，和错判率。“不考虑该个案时的分类”这个根据字面就可以理解，不赘述。“图”栏：“合并组”生成一张包括各类的散点图，该散点图根据前两个判别函数得到，如果只有一个判别函数，则生成直方图。“分组”复选框：有几类就有几张散点图，和上面一样，如果只有一个判别函数，就生成直方图。“区域图”复选框：将观测量分到各组中去的区域图。此图将一张图的平面划分出类数，相同的区域，每一类占据一个区，各类的均值在各区中用星号标出，如果仅有一个判别函数，即没有此图。“保存”子对话框：这个设置是非常重要的，并且特别直观，只要选择，就可以在数据窗口生成相应的新变量。这个新变量分别是：“预测组成员”这个预测组成员是根据判别分数，以及后验概率最大的预测分类。也就是，每个个案的预测分类。“判别得分”这个根据名字就可以理解。该分数=没有标准化的判别系数×自变量的值+一个常数。每次运行判别过程都给出一组表明判别分数的新变量。有几个判别函数就建立几个判别函数减1的新变量。新变量名称词头为dis-。举例：1 医学实践中根据各种化验结果，疾病症状等判断病人患有什么疾病。2 体育人才选拔根据运动员的体形，运动成绩，生理指标，心理素质指标判断是否继续培养。3 动植物分类判别分析最主要的分析目的：得到判别函数，对未知个案进行预测分类。“组成员概率”表示观测量属于哪一类的概率，有几类，就给出几类概率值，新变量默认名为dis预测分类数-判别概率，例如有三类，二个判别函数，则新变量名称可以为dis1-1,dis2-1,dis3-1,dis3-2以此类推。逐步判别分析：只要在主对话框中选择“使用步进式方法”，就可以筛选变量，同时，方法对话框将激活。“方法”对话框中“标准”栏的设置和线性回归的一样，不赘述。“方法”栏：原则就是，负面指标越小越好，正面指标越大越好。负面指标是wilks lambda和未解释方差，正面指标是马氏距离，最小F值，Raos V。马氏距离在回归中越大代表这个个案为影响点可能越大，也就是，只有这个个案为影响点，它越重要，越对判别函数影响越大，把它挑出来，也就是马氏距离最大。结果：1 sig值小于0.05，说明可以继续分析，函数具有判别作用，也就是有统计学意义。2 数据窗口对话框，将在“保存”子对话框设置的新变量和在主对话框的分组变量进行对比，每个个案被分到哪类，以及判别得分，都一目了然。3 根据输出表中的系数，可以写出判别函数，进行以后的预测。