一、判别分析基础理论
判别分析属于监督学习范畴，其核心目标是通过已知分类样本的观测数据，构建能够区分不同类别的数学模型。在人口统计学、医学诊断、金融风控等领域具有广泛应用。以人口死亡状况研究为例，研究者需根据年龄、疾病史等指标，判断新样本属于”低风险””中风险”还是”高风险”类别。
该技术包含两个关键假设：
- 各组样本服从多元正态分布
- 各类别协方差矩阵相等（可通过Box’s M检验验证）
当假设不满足时，可采用二次判别分析（QDA）或正则化方法改进。现代统计软件通常自动处理这些检验环节，但理解底层原理有助于正确解读结果。
二、SPSS操作全流程解析
1. 数据准备阶段
原始数据需整理为特定格式：
- 每行代表一个观测样本
- 前n列存储判别指标（如年龄、血压等连续变量）
- 最后一列标注类别标签（建议使用数字编码）
示例数据结构：
| 年龄 | 收缩压 | 胆固醇 | 类别 |
|———|————|————|———|
| 45 | 120 | 180 | 1 |
| 62 | 145 | 220 | 2 |
数据清洗要点：
- 处理缺失值：建议使用均值替代或删除含缺失样本
- 异常值检测：通过箱线图或Z-score方法识别
- 标准化处理：当指标量纲差异显著时（如年龄与血压）
2. 软件操作步骤
（1）菜单路径：分析 > 分类 > 判别式
（2）参数配置界面：
- 自变量：选择所有判别指标
- 分组变量：指定类别列，需预先定义值范围（如1-3）
- 统计量：勾选”费舍尔”和”未标准化”系数
- 分类：选择”组内协方差矩阵”和”摘要表”
- 保存：可输出预测类别和概率（推荐勾选）
（3）高级选项：
- 使用逐步法：通过Wilks’ Lambda准则筛选变量
- 留一法交叉验证：评估模型泛化能力
- 先验概率：可选择等概率或根据样本比例设置
3. 结果解读指南
关键输出表格解析：
1. 组均值均等性检验
- Box’s M检验：p>0.001时满足方差齐性
- 若不满足，需在选项中勾选”使用组协方差矩阵”
2. 典型判别函数
- 输出特征值和方差贡献率
- 通常保留前k个函数（累计贡献率>85%）
3. 结构矩阵
- 显示各变量对判别函数的贡献度
- 绝对值>0.3的变量具有显著区分能力
4. 分类结果表
- 原始分组 vs 预测分组交叉表
- 计算正确率=（主对角线元素和）/总样本数
- 关注各类别的召回率和精确率
三、完整案例演示
以某地区人口死亡研究为例，已知15个样本分为3类（健康/亚健康/疾病），需判断4个新样本类别。
操作步骤：
- 数据导入：支持Excel/CSV格式直接读取
- 变量定义：设置变量类型（连续/分类）和测量尺度
- 执行判别分析：按上述参数配置运行
- 结果验证：
- 典型判别函数系数表显示：
- 函数1：年龄(0.62) > 胆固醇(0.45) > 血压(0.31)
- 函数2：血压(0.78) > 年龄(-0.52)
- 分类正确率达86.7%（训练集）
- 典型判别函数系数表显示：
- 新样本预测：
- 输入4个新样本的指标数据
- 通过”保存”选项生成预测类别
- 结果显示：样本3被归类为”疾病”组（概率0.82）
四、常见问题处理
- 小样本问题：
当某类样本量<指标数时，建议：
- 使用正则化判别分析
- 减少变量数量（通过逐步法筛选）
- 采用留一法交叉验证
- 非正态分布处理：
- 对变量进行Box-Cox变换
- 考虑使用逻辑回归替代
- 增加样本量改善分布特性
- 模型优化方向：
- 引入交互项（如年龄*血压）
- 尝试非线性判别（如核方法）
- 结合机器学习算法（如随机森林）
五、扩展应用建议
- 多分类问题：
对于超过3类的分类任务，需特别关注：
- 线性可分性检验
- 类别不平衡处理
- 多分类损失函数选择
- 高维数据：
当变量数>100时：
- 使用L1正则化进行变量选择
- 采用主成分分析降维
- 考虑稀疏判别分析方法
- 实时预测场景：
- 通过Python的
pyreadstat库读取SPSS文件 - 将模型系数导出为JSON格式
- 部署为RESTful API服务
六、学习资源推荐
- 经典教材：《应用多元统计分析》（高惠璇著）
- 实践指南：SPSS官方文档中的”Discriminant Analysis”章节
- 进阶学习：探索与判别分析相关的机器学习算法（如SVM、XGBoost）
通过系统掌握判别分析方法论，结合SPSS的强大功能，研究者能够有效解决各类分类问题。建议从简单案例入手，逐步增加复杂度，最终达到熟练应用于实际项目的水平。