第四章判别分析实验报告
实验项目
名称
判别分析的上机实现
实验
目的及要求
贝叶斯判别、费希尔判别法的计算机操作及结果分析；要求熟练应用计算机软件进行判别分析并对结果进行分析，培养实际动手能力。
实验
内容
对21个破产的企业收集它们在破产前两年的财务数据，对25个财务良好的企业也收集同一时期的数据。数据设计四个变量：CF_TD（现金流量/总债务）,NI_TA（净收入/总资产），CA_CL（流动资产/流动债务），CA_NS（流动资产/净销售额）,一个分组变量：企业现状（1：非破产企业，2：破产企业）。数据见附表。
（1） 分别写出Bayes判别函数、Fisher判别函数，并说明判别效果如何。
（2） 如果某个企业前两年相应的四个指标分别为（0.1,0.05,1.3,0.24），则该企业是否会破产？说明理由。
实验步骤
（1）选择菜单项Analyze→Classify→，打开Discriminate Analysis对话框，如图1。
图1
（2）将分组变量G(1 2)移入Grouping Variable列表框中，将自变量CF_TD, NI_TA, CA_CL, CA_NS选入Independents列表框中.如图2
图2
（3）在Descrimiptives选项中选择Univariate和Box`s M选项,在Function Coefficients选项栏中的两个选项Fisher’s和Unstandardized，以便得到所需要的Bayes判别函数和Fisher判别函数，如图3，然后按continue键返回。
图3
（4）单击Save按钮，打开Save子对话框，选取Predicted group membership，Discriminant scores和Probabilities of group membership选项。如图4
图4
即将对话框中的三个复选框均选中，单击Continue按钮返回。
（5）返回判别分析主界面，单击OK按钮，运行判别分析过程。
实验环境
Windows xp、Windows vista、Windows 7等，软件SPSS 11.0版本及以上。
实验结果与
分析
本题中记变量值CF_TD, NI_TA, CA_CL, CA_NS分别为X1,X2,X3,X4
（1）Fisher判别函数特征值
Eigenvalues
Function
Eigenvalue
% of Variance
Cumulative %
Canonical Correlation
1
.940a
100.0
100.0
.696
a. First 1 canonical discriminant functions were used in the analysis.
（2）Fisher判别函数有效性检验
Wilks' Lambda
Test of Function(s)
Wilks' Lambda
Chi-square
df
Sig.
1
.515
27.839
4
.000
（3）标准化的Fisher判别函数系数
Standardized Canonical Discriminant Function Coefficients
Function
1
CF_TD
.134
NI_TA
.463
CA_CL
.715
CA_NS
-.220
所以标准化的判别函数为：
Y=0.134X1+0.463X2+0.715X3-0.220X4
得出Y=0.9012
（4）未标准化的Fisher判别函数系数
Canonical Discriminant Function Coefficients
Function
1
CF_TD
.629
NI_TA
4.446
CA_CL
.889
CA_NS
-1.184
(Constant)
-1.327
Unstandardized coefficients
所以为标准化的费希尔判别函数为：
Y=-1.327+0.629X1+4.446X2+0.889X3-1.184X4
得出Y=-0.1703
（5）组重心处的费希尔判别函数值
Functions at Group Centroids
G
Function
1
1
.869
2
-1.035
Unstandardized canonical discriminant functions evaluated at group means
各类重心在空间中的坐标位置。在计算分别离各重心的距离就可得分类。
（6）贝叶斯判别函数的输出结果
Classification Function Coefficients
G
1
2
CF_TD
5.299
4.101
NI_TA
-10.023
-18.488
CA_CL
3.305
1.612
CA_NS
9.952
12.207
(Constant)
-7.364
-5.170
Fisher's linear discriminant functions
所以得出的贝叶斯判别函数为：
第一组：F1=-7.364+5.299X1-10.023X2+3.305X3+9.952X4
第二组：F2=-5.170+4.101X1-18.488X2+1.612X3+12.207X4
因为公司相应的四个指标分别为（0.1,0.05,1.3,0.24），代入函数得到
F1=-0.6503
F2=-0.6590
比较2个值可以看出F1=-0.6503较大，据此得出此样本属于第一组企业现状，即为非破产公司
教师评语
注：可根据实际情况加页
附表:
G
CF_TD
NI_TA
CA_CL
CA_NS
1
0.51
0.1
2.49
0.54
1
0.08
0.02
2.01
0.53
1
0.38
0.11
3.27
0.35
1
0.19
0.05
2.25
0.33
1
0.32
0.07
4.24
0.63
1
0.31
0.05
4.45
0.69
1
0.12
0.05
2.52
0.69
1
-0.02
0.02
2.05
0.35
1
0.22
0.08
2.35
0.4
1
0.17
0.07
1.8
0.52
1
0.15
0.05
2.17
0.55
1
-0.1
-0.01
2.5
0.58
1
0.14
-0.03
0.46
0.26
1
0.14
0.07
2.61
0.52
1
0.15
0.06
2.23
0.56
1
0.16
0.05
2.31
0.2
1
0.29
0.06
1.84
0.38
1
0.54
0.11
2.33
0.48
1
-0.33
-0.09
3.01
0.47
1
0.48
0.09
1.24
0.18
1
0.56
0.11
4.29
0.44
1
0.2
0.08
1.99
0.3
1
0.47
0.14
2.92
0.45
1
0.17
0.04
2.45
0.14
1
0.58
0.04
5.06
0.13
2
-0.45
-0.41
1.09
0.45
2
-0.56
-0.31
1.51
0.16
2
0.06
0.02
1.01
0.4
2
-0.07
-0.09
1.45
0.26
2
-0.1
-0.09
1.56
0.67
2
-0.14
-0.07
0.71
0.28
2
0.04
0.01
1.5
0.71
2
-0.06
-0.06
1.37
0.4
2
0.07
-0.01
1.37
0.34
2
-0.13
-0.14
1.42
0.43
2
-0.23
-0.3
0.33
0.18
2
0.07
0.02
1.31
0.25
2
0.01
0
2.15
0.7
2
-0.28
-0.23
1.19
0.66
2
0.15
0.05
1.88
0.27
2
0.37
0.11
1.99
0.38
2
-0.08
-0.08
1.51
0.42
2
0.05
0.03
1.68
0.95
2
0.01
0
1.26
0.6
2
0.12
0.11
1.14
0.17
2
-0.28
-0.27
1.27
0.51
本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请
点击举报。
