自己出的问题还是自己来答吧，大部分已经搞懂了，但不知道理解有没有错

理论与spss结果对应的说明：
①Bayes判别/最小期望错分代价（代价相同）
对应Spss中的fisher结果数值:
例如：x1=[-2 5;0 3;-1 1]; x2=[0 6; 2 4; 1 2]; x3=[1 -2; 0 0; -1 -4];
待判样本：x0=[-2 -1]';
Spss结果：
分类函数系数
        VAR00003
        1.00        2.00        3.00
x1        -.771        1.371        -.171
x2        .686        1.114        -.514
(常量)        -2.513        -4.013        -1.613
Fisher 的线性判别式函数
将待判样本代入得到：d1=-1.657  d2=-7.869  d3=-0.757
Matlab结果（M文件zhengtaiduoleibudengfangchapanbie）
d1 = -0.5571
d2 = -6.7714
d3 =0.3429
注：两者之间的关系spss(di) =matlab(di) +ln(pi).
②Fisher判别/线性判别
Spss结果
特征值
函数        特征值        方差的 %        累积 %        正则相关性
1        2.867a        76.0        76.0        .861
2        .904a        24.0        100.0        .689
a. 分析中使用了前 2 个典型判别式函数。

典型判别式函数系数
        函数
        1        2
x1        .386        .938
x2        .495        -.112
(常量)        -.824        .187
非标准化系数
Matlab结果：（M文件fisherduoleipanbie）
可以分步计算出各个系数。
Lamid1=0.301452485798179   Lamid2=0.955690371344678
通过解方程求出两个系数：[0.938,-0.112]  [-0.386,0.495]
注意求出的特征值和spss的有差别，差一个倍数。而且spss求出的结果中有一个常数项。将matlab求出的结果中心化以后就是spss求出的结果。（注意matlab中求出的特征向量*sp^-1/2和通过方程解出来的不一样，书上说是一样的，不知道为什么）。
综上所述，我们书中所说的Fisher判别就是spss所谓的典型判别的。因为二者的思想是相同，都是寻找线性函数将两个总体尽可能的分离，spss中只不多是降维的做法，书中是求极大的思想。

spss中的数据到底是怎么算出来的？谢谢

请问如何算成spss中的每步？