判别分析.pdf优质

DiscriminantAnalysis内容提要内容提要概述界定应用领域与聚类分析差异分析流程判别分析模型应用实例生活中的判别分析生活中的判别分析买花的时候区分不同的花。去医院看病，医生给我们诊断。基本基本界定界定判别分析（discriminantanalysis)也叫鉴别分析，是利用若干变量的一个或几个线性组合，将待判样本的多变量观测值划为已知类别之一的多元统计技术。它所要解决的问题是在已知一些研究对象的类属特征的情况下，确定新的观测对象属于已知类别中的哪一类。比如，在医学中，已经有了流行性传染病的测量数据，用来预测新出现的传染病是否会流行；或者根据某些指标判断一个人是否患了某种疾病；在经济学中，根据一个国家的国民收入、GDP、人均消费水平等判断一个国家的经济发达程度。应用领域在市场营销中，这一技术可用于回答以下问题：如何根据消费者的价值观和生活形态来判断其消费类型？具有品牌忠诚的顾客与其它顾客有何差异？如何判断不同顾客的类型？日常用品的价格敏感的买主与非价格敏感的买主具有哪些心理特征上的差异？各种细分市场在媒体习惯上有差异吗？对直邮广告有反应的消费者最显著的特点是什么？与聚类分析的区别聚类分析之前不必确定类的个数，判别分析则以事先存在的类别为前提；聚类分析是一种纯统计手段，只要有了特征指标变量就可以对CASE聚类；而判别分析需要先对某些CASE的类别归属有一定了解。聚类分析只需要一组变量，就是判别分析中的特征变量，而判别分析需要两类变量，类别变量和特征变量；从流程上看，聚类分析只有一个阶段，就是根据各个CASE的特征，给它一个归类。判别分析则是找出类别特征后，对新CASE的归属进行判断；总的来看，聚类分析只是对已有的变量进行整理，而判别分析带有“预测”的性质，因此有判别错误的可能。总体流程总体上包括两个部分的工作：第一阶段的工作是处理已知分组属性的案例，并根据已知分组属性CASE的特征，建立判别函数模型。其目的有两个：1）确定已有分组中哪些特征变量是最有用的鉴别因素，2）建立判别函数模型；第二阶段，对新的CASE进行鉴别分组。就是把建立好的判别模型应用于新的案例，可以说是判别分析的最终目的。判别分析模型建立判别分析模型的过程就是建立判别分析函数。其基本函数是：D＝b0+b1x1+b2x2+···+bkxk其中：D代表判别值，xi是各判别变量，bi是相应的判别系数。数据要求建立判别函数需要两组变量：因变量（分组变量）和自变量（特征变量），因变量为分类变量，自变量为等比或等距变量；各组之间的方差具有一致性；变量间是独立的，不存在多重共线性；多组判别分析中，要求各组来自一个服从多元正态分布的总体；注意：第一个条件是必要的，后面的条件不完全具备的情况下也可以使用这一方法，对模型的影响不是很大，但是多重共线性会影响函数的稳定性。最后一个条件几乎难以达到，所以不怎么考虑。SPSS所采用的判别法则SPSS主要采用两种判别方法：Fisher准则和Bayes准则。Fisher准则的基本思想是：使不同组之间的差异最大，同一组内的差别最小。Bayes准则的基本思想是：把一个P维空间划分为若干个互不相交的小单元，每个CASE只能落到其中的一个小单元中。SPSS可以同时输出两类结果，但是主要以Fisher准则输出结果为主，当给出一定的选项后，它也可以给出Bayes判别系数。SPSS输出的主要结果在SPSS输出的主要结果中应关注以下部分：非标准化判别系数——用来计算判别值，判别值是确定案例归属的主要指标之一。但不能用来比较各系数的相对重要程度。标准化判别系数——可以用来比较各判别系数的重要程度。结构系数——类似因子分析中的因子载荷，用来确定不同的指标变量在各判别函数中的重要性。判别指数——区分出各判别函数的重要程度。Fisher系数——直接用于对一个新案例的判断。可以用于手工计算，也可以直接由SPSS输出Fisher判别值。新案例的归属类别和最大概率类型——对新案例归属的判断。应用举例我们考察了20个企业的心理社会环境（psycho-socialclimateorenvironment），根据Moos的理论，我们考察了：上下级关系、同事关系、秩序纪律、竞争气氛、工作压力五个方面。根据这五个维度得...