章在介绍鉴别分析时将与SPSs统计软件的应用相结合,读者用不着在估计过程 的细节上花费许多功夫,因为只要我们正确地输入数据和制定鉴别分析的程序命 令,计算机能够提供全部统计结果。所以,在夲节中我们将只讨论每个指标的意 义和用途。有关SPSS的操作步骤在第四节中介绍。 I.非标准化鉴别系数 鉴别系数又称函数系数( function coefficient),其中还进一步分为两种: 标准化的和标准化的。非标准化鉴别系数( unstandardized discrimina oefficient)也称粗系数( raw coefficients)。将原始变量值(即粗数据, raw dat优 直接输入模型,得到的系数估计即非标准化的“粗"”系数。得到非标准化的鉴之 系数就意味着我们得到了求解的鉴别分析基本模型(见式(1)。 相应的SPSS的鉴别分析统计输出格式如表9-2。 表9 Unstandardized canonical discriminant function coefficients 2777410 7069548 0311224 2314016 1.66830980E-03 1.32867710E-0 0145724 1436736 Constant) 65.6113916 556023 在上述输出中,SPSS告诉我们推导的鉴别函数有两个,分别为① y1)=65.61+0.28x1-0.71x2-0.23x3+0.00x4+0.01xs y2)=-1.56+0.05x1-0.03x2-0.09x3-0.00x4+0.14x5 非标准化系数是用来计算鉴别值( discriminant score)的。将案例的各鉴别 变量值代入上述两个鉴别函数就可以分别计算出两个鉴别值来,于是就决定了其 在二维空间中的位置。实际上,如果需要鉴别值,SPSS也可以直接提供。通过 不同鉴别函数计算的鉴别值可以用来作图表示在鉴别空间中各案例的点,并用来 分析具体案例点与组别之间的位置。 类似于回归分析中的非标准化系数,非标准化的鉴别系数的大小并不能反映 相应变量在鉴别作用上的大小。比如在第一函数和第二函数中x4系数都非常 ①下面式中个别系数值太小以至无法显示有效数字