小,但这并不意味着x4这个鉴别的作用真的非常小。这是因为,由于原始变量所 取的测量单位有所不同,因此非标准化系数之间没有可比性。比如,x4代表人均 国民收人,原始变量值都是3位或4位整数,如果将其测量单位元改为百元,使 其与其他鉴别变量一样整数位成为1位或2位数,那么其非标准化系数就会变 大 2.标准化鉴别系数 通过对于非标准化系数加以特定形式的调整,就得到标准化鉴别系数 andardized discriminant coefficient)。以标准化系数表达的鉴别函数不再有常数 并且函数中出现的自变量不再是原始变量,而是标准化的变量。也就是说 果将经过标准化的变量输入鉴别模型,那么可以直接得到标准化的回归系数。 SPSS鉴别分析关于标准化鉴别系数的输出格式如表9—3。 9 Standardized canonical discriminant function coefficients FU 1.03784 20164 78122 0343 1.4777 1.46174 11642 15392 1.51750 标准化使得每个变量都以自己的平均值作为数轴原点,以自己的标准差作为 单位。这样一来,每个案例的原始变量值现在则一方面表现为与平均值之间的距 离,另一方面以正负号形式表示了自己偏离平均值的方向。并且,各标准化系数 因为一致以其标准差来测量也具有了可比性。哪个变量的标准化系数绝对值大, 就意味着将对鉴别值有更大的影响,于是可以用来比较各变量对鉴别值的相对作 用。上面的统计输出表明,对于第一鉴别函数而言,x3的作用最大,而x4虽然 非标准化系数很小,但标准化系数却几乎与x3-样大。x5对于第一函数作用最 小,然而对第二函数的作用却最大。 但是正如分析中回归系数只表达自变量轴与回归线之间的角度,但并不反映 各案例点与回归线之间的拟合程度一样,鉴别系数(即使是标准化的鉴别系数也 样)也只是表达鉴别变量与鉴别值之间的这样一种关系。所以仅仅由于标准化 鉴别系数绝对值大,就认为相应自变量对于整个鉴别力(注意这里说的是鉴别力 而不是鉴别值)最有用仍然是有问题的。如果鉴别系数实际上拟合效果很不好