判别分析spssPPT学习教案.pptx

判别分析是一种统计方法，主要用于根据已知类别的样本数据，构建判别模型，以便对新的未知类别的数据进行预测分类。它与聚类分析的主要区别在于，聚类分析是无监督的学习，不依赖已知类别，而判别分析则是有监督的，需要已有的分类信息作为训练基础。 在判别分析的应用实例中，比如会计学领域，可能涉及到对企业的状态评估。例如，我们有一套评分系统，包括企业规模(is)、服务(se)、雇员工资比例(sa)、利润增长(prr)、市场份额(ms)、市场份额增长(msr)、流动资金比例(cp)、资金周转速度(cs)等指标，用于评价企业的健康状况。已知部分企业被分类为上升、稳定和下降三种类型，我们可以利用这些企业的数据（训练样本）构建判别模型，然后对未被分类的企业进行分类。 判别分析有多种方法，如： 1. **根据距离的判别法**：这种方法不涉及变量投影，直接计算观测值在多维空间中到各类别的中心（均值）的距离，通常使用马氏距离。最接近哪个类别的中心，观测值就归于哪一类。 2. **Fisher判别法**：这是一种先投影的方法，适用于有多个预测变量的情况。寻找一个最优的投影方向，使得投影后的两类样本点能最大程度地分开。投影后，再根据距离判断分类。 3. **逐步判别法**：在构建判别模型时，逐步引入对判别贡献最大的变量，同时可能会剔除不重要的变量。这一步通常通过统计检验（如威尔克斯的Lambda、Rao's V、平方马氏距离、最小F比或未解释方差的总和等）来决定变量的优劣。 在SPSS软件中，可以使用逐步判别法来执行这类分析。在案例"Disc.sav"中，经过逐步判别，流动资金比例(cp)因不显著而被剔除，剩下七个变量继续参与判别，最终形成两个判别函数，用于对新企业进行分类。 判别分析不仅在会计学中有应用，还广泛用于市场营销、心理学、生物医学等领域，帮助研究人员根据已知的特征对未知样本进行预测分类。在实际操作中，判别分析的结果可以用来优化决策，比如客户细分、疾病诊断或产品分类等。需要注意的是，判别分析的准确性取决于训练样本的质量和数量，以及所选变量的相关性。