3 3 3 3 3 3 3 3 3 3 4 4 4 待判 待判 待判 待判 广西 海南 贵州 云南 西藏 陕西 甘肃 青海 宁夏 新疆 江苏 浙江 广东 湖南 江西 山东 重庆 4615.30 1339.53 3282.75 4235.72 377.80 5009.65 2269.61 624.29 982.52 2703.18 23517.98 15681.13 26519.69 8643.60 4486.06 19995.81 4494.41 809.00 193.91 398.68 856.68 81.36 457.60 356.64 121.30 120.50 360.37 1737.23 1288.31 2037.88 1401.54 922.71 2141.10 617.82 0.35 0.47 0.48 0.41 0.54 0.35 0.40 0.33 0.42 0.36 0.44 0.45 0.46 0.39 0.35 0.40 0.39 0.28 0.40 0.22 0.30 0.40 0.22 0.24 0.39 0.35 0.36 0.37 0.35 0.34 0.35 0.36 0.33 0.38 0.99 1.51 0.94 0.91 1.23 1.33 0.88 1.09 1.52 1.21 2.97 2.86 2.50 1.30 1.00 2.06 1.53 194.99 378.40 186.34 108.61 3.08 243.42 50.02 8.67 148.87 16.28 2292.20 1540.39 1474.95 408.10 268.79 1272.81 545.42 5.70 6.91 8.23 4.94 4.64 10.95 6.36 5.15 8.15 7.50 13.54 12.17 13.01 6.17 4.86 9.34 7.27 表2（续） 类型 地区 1 北京 1 天津 1 上海 2 河北 2 辽宁 2 安徽 2 福建 2 河南 2 湖北 2 四川 3 山西 3 内蒙古 3 吉林 3 黑龙江 3 广西 3 海南 3 贵州 3 云南 3 西藏 3 陕西 3 甘肃 3 青海 3 宁夏 X8 0.80 0.53 1.07 0.44 0.50 0.34 0.40 0.44 0.37 0.43 0.82 0.40 0.34 0.89 0.47 0.57 0.44 0.38 0.58 0.34 0.49 0.38 0.50 X9 87475.00 93173.00 85373.00 36584.00 56649.00 28792.00 52763.00 31499.00 38572.00 29608.00 33628.00 63886.00 43415.00 35711.00 27952.00 32377.00 19710.00 22195.00 22936.00 38564.00 21978.00 33181.00 36394.00 X10 5.06 4.44 3.03 2.95 2.80 2.86 2.78 3.06 3.06 3.00 4.50 6.44 3.65 2.97 3.29 3.93 5.86 3.74 2.94 4.30 3.93 2.91 7.13 11
X11 0.18 0.47 0.60 0.35 0.38 0.33 0.39 0.31 0.37 0.35 0.39 0.35 0.35 0.40 0.35 0.47 0.48 0.41 0.54 0.35 0.40 0.33 0.42 X12 0.86 0.82 0.89 0.47 0.66 0.47 0.60 0.42 0.54 0.44 0.51 0.58 0.54 0.57 0.44 0.52 0.36 0.39 0.23 0.50 0.39 0.47 0.51 X13 5341.70 4884.60 3861.10 9469.90 11812.60 8090.90 7597.20 9582.30 8069.90 10489.00 4335.20 5215.20 3970.50 4619.00 5386.70 1710.20 4074.60 5082.60 429.00 7215.70 2236.10 921.70 987.90 X14 40810732.00 11563427.00 43658695.00 5056306.00 10409000.00 3928454.00 15593796.00 5173881.00 3196375.00 5914360.00 1504311.00 1125898.00 2456301.00 3759029.00 2948446.00 1432210.00 663156.00 2101373.00 342414.00 1479903.00 890075.00 115747.00 221671.00 3 4 4 4 待判 待判 待判 待判 新疆 江苏 浙江 广东 湖南 江西 山东 重庆 0.51 0.54 0.64 0.63 0.44 0.45 0.56 0.62 33796.00 68347.00 63374.00 54095.00 33480.00 28800.00 51768.00 38914.00 4.05 4.15 3.21 4.08 3.41 3.30 3.65 3.80 0.36 0.44 0.45 0.46 0.39 0.35 0.40 0.39 0.44 0.63 0.63 0.67 0.47 0.48 0.52 0.57 2685.90 14804.90 11326.70 12348.00 7931.40 4401.40 15875.70 5503.00 2517006.00 54796149.00 31240136.00 98402046.00 2194873.00 3341383.00 24554432.00 5320358.00
一、操作步骤
（一）在SPSS窗口中选择Analyze—Descriptive Statistics—Descriptives…，调出Descriptives主界面，将变量X1-X14移入Variables框中，选中Save standardized values as variables复选框，然后点击OK，即对原始数据进行标准化，以消除量纲的影响。
（二）在SPSS窗口中选择Analyze—Classify—Discriminate，调出判别分析主界面，将左边的变量列表中的type变量选入分组变量Grouping Variable中，将X1-X14变量选入自变量Independents中，并选择Enter independents together单选按钮，即使用所有自变量进行判别分析。
（三）点击Define Range按钮，定义分组变量的取值范围。这里分类变量的范围为1到4，所以在最小值和最大值中分别输入1和4。单击Continue按钮，返回主界面。
（四）单击Statistics…按钮，指定输出的描述统计量和判别函数系数。选中Function Coefficients栏中的Fisher’s(给出贝叶斯判别函数的系数)和Unstandardized（给出为标准化的费希尔判别函数），单击Continue按钮，返回主界面。
（五）单击Classify…按钮，定义判别分组参数和选择输出结果。选择Display栏中的Casewise results，输出一个判别结果表，包括每个样品的判别分数、后验概率、实际组合预测编号等。其余的均保留系统默认选项。单击Continue按钮，返回主界面。
（六）单击Save按钮，指定在数据文件中生成代表判别分组结果和判别得分的新变量，生成的新变量的含义分别为：Predicted group membership（存放判别样品所属组别的值）；Discriminant scores（存放费希尔判别得分的值）；
12
Probabilities of group membership（存放样品属于各组的贝叶斯后验概率），这里将三个复选框均选中，单击Continue按钮返回主界面。
（七）返回判别分析主界面，单击OK按钮，运行判别分析过程。 二、个案观察结果
表3 Standardized Canonical Discriminant Function Coefficients Zscore(x1) Zscore(x2) Zscore(x3) Zscore(x4) Zscore(x5) Zscore(x6) Zscore(x7) Zscore(x8) Zscore(x9) Zscore(x10) Zscore(x11) Zscore(x12) Zscore(x13) Zscore(x14) 1 -1.077 -.951 17.628 -.862 -26.097 5.976 -1.408 1.183 19.433 .268 -11.585 1.764 .443 .687 Function 2 -2.380 1.143 1.890 -.176 -1.867 .835 1.174 .108 1.796 -.220 -1.507 .030 -.374 .576 3 -1.699 1.285 6.112 -.533 -7.635 2.285 -.992 -.120 6.959 -.279 -3.211 .885 .628 .465 表3为标准化典型判别函数的系数表，由该表可以得到典型判别函数为： Y1=-1.077X1-0.951X2+1.890X3-0.862X4-26.097X5+5.976X6-1.408X7+1.183X8+19.433X9+0.268X10-11.585X11+1.764X12+0.443X13+0.687X14
Y1=-2.380X1+1.143X2+17.628X3-0.176X4-1.867X5+0.835X6+1.174X7+0.108X8
+1.796X9-0.220X10-1.507X11+0.030X12-0.374X13+0.576X14
Y1=-1.699X1+1.285X2+6.112X3-0.533X4-7.635X5+2.285X6-0.992X7-0.120X8
+6.959X9-0.279X10-3.211X11+0.885X12+0.628X13+0.465X14
13
表4 Canonical Discriminant Function Coefficients Zscore(x1) Zscore(x2) Zscore(x3) Zscore(x4) Zscore(x5) Zscore(x6) Zscore(x7) Zscore(x8) Zscore(x9) Zscore(x10) Zscore(x11) Zscore(x12) Zscore(x13) Zscore(x14) (Constant) Unstandardized coefficients 1 -2.698 -2.022 24.885 -1.270 -66.534 10.084 -2.721 1.339 36.454 .273 -10.965 2.926 .986 1.268 .145 Function 2 -5.963 2.429 2.668 -.259 -4.759 1.409 2.269 .122 3.370 -.225 -1.426 .050 -.832 1.062 -.284 3 -4.258 2.730 8.628 -.784 -19.465 3.856 -1.917 -.136 13.053 -.284 -3.039 1.468 1.398 .857 .188 表4为未标准化的典型判别函数的系数表。该表可以得到典型判别函数为： Y1=-2.698X1-2.022X2+24.885X3-1.270X4-66.534X5+10.084X6-2.721X7+1.339X8+36.454X9+0.273X10-10.965X11+2.926X12+0.986X13+1.268X14
Y1=-5.963X1+2.429X2+2.668X3-0.259X4-4.759X5+1.409X6+2.269X7+0.122X8
+3.370X9-0.225X10-1.426X11+0.050X12-0.832X13+1.062X14
Y1=-4.258X1+2.730X2+8.628X3-0.784X4-19.465X5+3.856X6-1.917X7-0.136X8
+13.053X9-0.284X10-3.039X11+1.468X12+1.398X13+0.857X14
14
表5 Casewise Statistics
Predicted Group 1 1 1 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 4 4 2 3 4 3 Highest Group Discriminant Scores region Actral Group P(G=q|D=d) Squared MahalanobiFunctios Distance n1 to Centroid .390 3.159 1.336 5.487 .766 6.216 2.745 .534 .234 .400 3.285 2.054 1.698 .373 3.921 .837 4.288 7.779 .236 .178 1.181 4.344 4.961 2.694 1.880 6.371 1.927 6.976 5.647 74.116 3.892 -14.663 -13.657 -14.978 1.433 2.052 3.221 .989 2.618 2.224 1.643 6.444 3.743 5.006 4.229 3.608 4.164 6.800 3.027 4.725 5.033 5.130 6.784 3.985 3.966 -12.407 -12.411 -12.708 -.103 4.583 -5.146 5.154 Function2 Function3 北京 天津 上海 河北 辽宁 安徽 福建 河南 湖北 四川 山西 内蒙古 吉林 黑龙江 广西 海南 贵州 云南 西藏 陕西 甘肃 青海 宁夏 新疆 江苏 浙江 广东 湖南 江西 山东 重庆 1 1 1 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 4 4 Ungrouped Ungrouped Ungrouped Ungrouped 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 .996 1.000 1.000 .712 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 .981 .996 1.000 6.592 4.442 7.029 -2.147 -1.940 .026 -.188 -1.334 -1.478 -1.689 .038 1.401 .873 .368 -.399 1.344 .497 -.611 .711 .946 .647 .884 1.651 1.028 -7.555 -3.738 -7.397 -1.839 -.155 -7.011 .213 .585 .234 .634 1.186 3.805 5.044 2.744 3.686 2.889 3.513 -1.136 -.668 -.100 -1.353 -.158 -1.197 -1.678 .407 -1.846 -1.197 -2.385 -1.814 -3.206 -2.754 -1.409 -1.357 -2.470 1.818 .858 2.647 .498 从上表可知，湖南省属于第二类，江西省和重庆省属于第三类，山东省属于第四类，此结果和聚类分析的结果是相似的。
15
16