水平
124
666
社会固定资产投资
121
880
人均地区生产总值
857
199
城镇居民人均总收入
737
359
政府消费支出
207
040
表17为结构矩阵表，该表内为判别变量与根据函数内相关系数绝对大小排序的标准化公共判别函数变量之间的合并组内相关系数：
表17结构矩阵
函数
1
2
人均地区生产总值
807
210
居民消费水平
605
155
城镇居民人均总收入
567
066
社会固定资产投资
038
914
政府消费支出
142
662
判别变量和标准化典型判别式函数之间的汇聚组
间相关性
按函数内相关性的绝对大小排序的变量。每个变量和任意判别式函数间最大的绝对相关性
表18为典型判别式函数系数表，里面列出的是各变量及常数项对应的没有进行标准化的典型判别函数系数：
12
f表18典型判别式函数系数
函数
1
2
居民消费水平
000
000
社会固定资产投资
000
000
人均地区生产总值
000
000
城镇居民人均总收入
000
000
政府消费支出
000
000
常量
115633051
非标准化系数
利用上表17，可以得到前两个判别函数的表达式：f111563，f23051表18为组质心处的函数值表：
表19组质心处的函数
函数
G
1
2
1
91071300
2
2201
297
3
2416
1592
在组均值处评估的非标准化典型判别式函数
该表包括对应与表17中两个函数的各类别的函数值。可得：河北：f111563，f23051浙江：f111563，f23051新疆：f111563，f23051可以看出，河北、浙江和新疆的最大值在都在f2判别函数处取得。继续进行判别，将河北、浙江、新疆的分入聚类分析所分出的三个类中。接下来进行进一步的判别分析，采用Fisher判别法。首先来看分类处理的摘要，如表20所示：
表20分类处理摘要
13
f已处理的
31
已排除的缺失或越界组代码
0
至少一个缺失判别变量
0
用于输出中
31
下表21显示的为组的先验概率：
G123合计
表21组的先验概率用于分析的案例
先验
未加权的
已加权的
333
3
3000
333
19
19000
333
6
6000
1000
28
28000
该表包括各类别和全部对应的先验概率和参与分析的未加权和经过加权的个案数。各类别的先验概率等于1除以类别数。在本文中，类别数等于3，所以各类别的先验概率均等于0333。
然后进行Fisher判别，表22为Fisher线性判别函数的系数表：
表22分类函数系数
G
1
2
居民消费水平
004
004
社会固定资产投资
000
001
人均地区生产总值
003
001
城镇居民人均总收入
011
008
政府消费支出
007
005
常量
24406276524
Fisher的线性判别式函数
3005
001002010006137397
利r