2015多元统计回归06章—判别….doc

判别分析 §1 判别分析的基本原理 判别分析是在研究对象用某种方法已经分成若干类的情况下，根据各类的个体（样本）数据建立数学（判别）模型，根据判别模型和新个体（待判样品）的数据，判断待判样品属于已知类别中哪一类。 下面通过两个案例说明判别分析的基本思路。 一．案例 假设已用某种方法将27个地区城镇居民月平均消费划分成了低消费型（G1）和高消费型（G2）。低消费型（G1）有20个地区，高消费型（G2）有7个地区，即n1=20，n2=7。 现有一个A地区（称为待判样品），不知它属于G1还是属于G2。A地区的“非商品支出”和“副食品支出”分别为7.90和39.65，用向量表示： 问题：如何建立一个数学模型（找一个函数），并用此模型判断A地区属于高消费型（G1）还是属于低消费型（G2）？ 27个地区的数据见表1。 表1 27个地区城镇居民月平均消费数据[2] （单位：元/人） 样品 编号 低消费型（G1） 样品 编号 高消费型（G2） 非商品支出 (x1) 副食支出 (x2) 非商品支出 (x1) 副食支出 (x2) 1 11.21 23.53 1 14.69 52.41 2 10.51 23.75 2 14.57 52.65 3 10.32 30.50 3 16.30 55.85 4 10.00 29.20 4 11.57 44.68 5 9.76 27.93 5 11.69 45.79 6 11.35 27.98 6 14.87 50.37 7 10.81 28.64 7 16.61 48.44 8 12.65 28.12 9 12.17 28.20 10 11.96 28.12 A 7.9 39.65 11 13.61 29.85 12 12.88 36.05 13 11.67 37.69 14 13.23 38.69 15 11.28 37.75 16 13.25 35.71 17 13.29 39.77 18 14.80 40.91 19 10.10 33.70 20 10.39 35.02 均值 11.76 32.06 均值 14.33 50.03 我们将这27个地区的“非商品支出”和“副食品支出”在直角座标系中用对应的点标出，这个图形称为“散点图”。 在直角座标系中，用横座标（X—轴）表示“非商品支出”，用纵座标（Y—轴）表示“副食品支出”。蓝色的点表示高消费地区，红色的点表示低消费地区。 从散点图中可以看出，蓝色的点和红色的点之间界限比较分明，蓝色的点在第一象限的上半部，红色的点在第一象限的下半部。 实际上，可用数学统计方法求出一条直线，把蓝色的点和红色的点和分割开来。见“图2—散点＋判别直线图”。 图2中的这条直线称为“判别直线”，其解析表达式为： 如果要判断一个新的地区是属于“高消费型”还是“低消费型”，只需将该地区的“非商品支出”（X轴座标）和“副食品支出”（Y轴座标）在图2中用“点”标出，看其在“判别直线”的下面还是在上面即可作出判断。 现有一个地区的“非商品支出”和“副食品支出”数据如下 在图3中标出该点，用“(”标出。容易看出，“(”位于“判别直线”的下面，因此该地区属于“低消费型”。 以上只是给出了判别分析简单的、直观的几何意义，以使我们对判别分析有一个初步的、直观的理解，掌握判别分析的基本思想。 实际情况比这要复杂得多，当指标很多时，例如，有5个指标时，每一组5维数据就对应着5维空间的一个点，这时，其几何意义就没有这么直观了。因此，需要给出一个有效的数学方法。 我们将两类地区的变量值标在平面直角坐标中，高消费G2地区的点用“(”表示；低消费G1地区的点用“(”表示，它们的“重心”用“o”表示。两类地区的点很明显地分布在直线 y(X)＝(0.77x1＋0.31x2＋28.42 （1-2） 的上下两个区域。待判地区用点“(”表示。从图1-1可观察到，待判地区的点“(”到G1重心的距离比到G2重心的距离要短，并且位于直线的下方，所以，应判属于G1。 二．案例２ 下面通过实例说明判别分析在税务稽查（判别逃税）中的应用。 根据某市27个商业企业某年的“资产负债表”和“损益表”中的数据算出了24个指标，表2中选取了其中的两个指标“流动资产周转次数”和“股东权益利润率”。 根据经验和税务核查的资料，税务局已经知道在这27个企业中，有7个企业属于“诚实申报”，有20个企业属于“不诚实申报”。 又已知A企业的数据：x15=3.509，x22=0.37。 问题：如何建立一个数学模型，并用此模型判断A企业（称为待判样品）属于“诚实申报”（(1）还是属于“不诚实申报”（(2）？