區別分析的統計量

描述性統計量。 可用的選項包括：平均數 (包括標準差)、單變數 ANOVA、Box's M 檢定。

• 平均數。 顯示總和與群組平均數，以及自變數的標準差。
• 單變量 ANOVA。 針對每個自變數的群組平均數之相等性執行單向變異數分析檢定。
• Box's M。 對群組共變異數矩陣相等性進行的檢定。 若樣本夠大，則非顯著 p 值代表沒有充足證據顯示矩陣有所不同。 此檢定對多變量常態的偏差很敏感。

函數係數。 可用的選項包括：Fisher 分類係數、未標準化係數。

• Fisher 's。 顯示可直接供分類使用的 Fisher 分類函數係數。 將會針對每個群組取得個別的分類函數係數集，並將觀察值指派給擁有最高區別分數（分類函數值）的群組。
• 未標準化。 顯示未標準化的區別函數係數。

矩陣。 可用的自變數係數矩陣包括：組內相關性矩陣、組內共變異數矩陣、各組共變異數矩陣、總和共變異數矩陣。

• 組別內相關。 顯示合併的群組內相關性矩陣，此矩陣是將所有群組的個別共變異數矩陣平均，再計算相關性而來。
• 組別內共變異。 顯示合併的群組內共變異數矩陣，此矩陣可能與共變異數矩陣總計不同。 透過將所有群組的個別共變異數矩陣平均來取得矩陣。
• 各組共變異。 顯示各組不同的共變異矩陣。
• 共變異總計。 顯示所有觀察值中的共變異數矩陣，如同它們來自單樣本一樣。

選擇區別分析的統計量

本功能需要 Statistics Base 選項。

1. 從功能表中選擇：

   分析 > 分類 > 區別元件 ...

2. 在「區別分析」對話框中，按一下統計量。