1702660010
1702660011
对于分为m类的研究对象，建立m个线性判别函数。对于每个个体进行判别时，把观测量的各变量值代入判别函数，得出判别分数，从而确定该个体属于哪一类，或计算属于各类的概率，即可建立适合条件的判别函数。得到判别函数之后，还需要对该函数是否具有实用价值进行考核验证，验证无误后即可实际运用。
1702660012
1702660013
判别分析一般有如下假定：
1702660014
1702660015
●预测对象服从正态分布。
1702660016
1702660017
●预测对象之间没有显著的相关性。
1702660018
1702660019
●预测对象的平均值和方差不相关。
1702660020
1702660021
●预测对象应是连续变量，因变量（类别或组别）是间断变量。
1702660022
1702660023
●两个预测对象之间的相关性在不同类中是一样的。
1702660024
1702660025
在判别分析的各个阶段应把握如下原则：
1702660026
1702660027
●事前组别类的分类标准（作为判别分析的因变量）要尽可能准确和可靠，否则会影响判别函数的准确性，从而影响判别分析的效果。
1702660028
1702660029
●所分析的自变量应是因变量的重要影响因素，应该挑选既有重要特性又有区别能力的变量，达到以最少的变量获得最高的辨别能力的目标。
1702660030
1702660031
●初始分析的数目不能太少。
1702660032
1702660033
1702660034
1702660035
1702660037
Excel统计分析与应用大全 12.3.2 判别分析常用方法
1702660038
1702660039
判别分析是一种根据观测到的某些指标对所研究的对象进行分类的多元统计分析方法。判别分析内容丰富，方法很多。
1702660040
1702660041
判别分析的常用方法一般有以下几种。
1702660042
1702660043
1.最大似然法
1702660044
1702660045
最大似然法是建立在概率论中独立事件乘法定律的基础上的，适用于各指标是定性的或半定量的情况。
1702660046
1702660047
2.Fisher判别分析法
1702660048
1702660049
Fisher判别分析法适用于两类或两类以上之间的判别分析，但常用于两类之间的判别分析。
1702660050
1702660051
3.Bayes判别分析法
1702660052
1702660053
Bayes判别分析法适用于两类或两类以上之间的判别分析，要求各类内指标服从多元正态分布。
1702660054
1702660055
4.逐步判别分析法
1702660056
1702660057
逐步判别分析法是建立在Bayes判别分析法基础上的。它像逐步回归分析法一样，可以在众多指标中挑选一些有显著作用的指标来建立一个判别函数，使方程内的指标都有显著的判别作用，而方程外指标的判别作用都不显著。
1702660058
1702660059
5.logistic判别分析法
[
上一页 ]
[ :1.70266001e+09 ]
[
下一页 ]