[第四章判别分析.pptVIP

第四章 判别分析 内容和要求 内容： 判别分析简介、基本原理、判别分析方法 要求： 1、熟悉判别分析基本原理。 2、掌握常用的判别分析准则。 3、能熟练使用软件进行判别分析，并能对判别结果作深入讨论。 第一节 判别分析简介 关于判别分析基本概念和基本原理 一、什么是判别分析？ 判别分析是在已知分类情况的条件下根据一定的指标对未知类别的数据进行归类的方法。判别分析在生物学、医学、地质学、石油、气象等领域得到较为广泛的应用，在经济分析和市场研究中也是我们认知事物的重要方法。 举例 例 中小企业的破产模型 为了研究中小企业的破产模型，选定4个经济指标： X1总负债率（现金收益/总负债） X2收益性指标（纯收入/总财产） X3短期支付能力（流动资产/流动负债） X4生产效率性指标（流动资产/纯销售额） 对17个破产企业（1类）和21个正常运行企业（2类）进行了调查，得如下资料： 判别分析利用已知类别的样本培训模型，为未知样本判类的一种统计方法。 它产生于本世纪30年代。近年来，在自然科学、社会学及经济管理学科中都有广泛的应用。 判别分析的特点是根据已掌握的、历史上每个类别的若干样本的数据信息，总结出客观事物分类的规律性，建立判别公式和判别准则。然后，当遇到新的样本点时，只要根据总结出来的判别公式和判别准则，就能判别该样本点所属的类别。 二、判别分析原理 原理： 判别分析是利用原有的分类信息，得到体现这种分类的函数关系式（即判别函数，一般是与分类相关的若干个指标的线性关系式），然后利用该函数去判断未知样品属于哪一类 要点： 1、判别分析需要明确所研究样本共有几个类别 2、判别分析需要从现有已知类别的样本数据中提练出一个判别函数 三、常用判别方法 距离判别法 Fisher判别法 贝叶斯判别法 典型判别与逐步判别法 第二节 距离判别法 一、基本思想 由训练样本得出每个分类的重心（中心）坐标，然后对新样品求出它们离各个类别重心的距离远近，从而归入离得最近的分类。最常用的距离是马氏距离。 （一）马氏距离 　距离判别的最直观的想法是计算样品到第i类总体的平均数的距离，哪个距离最小就将它判归哪个总体，所以，我们首先考虑的是是否能够构造一个恰当的距离函数，通过样本与某类别之间距离的大小，判别其所属类别。 设 是从期望μ= 　　 和方差阵Σ= 的总体G抽得的两个观测值，则称 为X与Y之间的Mahalanobis距离 例 4.1 在企业的考核中，可以根据企业的生产经营情况把企业分为优秀企业和一般企业。考核企业经营状况的指标有： 资金利润率=利润总额/资金占用总额 劳动生产率=总产值/职工平均人数 产品净值率=净产值/总产值 三个指标的均值向量和协方差矩阵如下。现有二个企业，观测值分别为 （7.8，39.1，9.6）和（8.1，34.2，6.9），问这两个企业应该属于哪一类？ 当总体的方差未知时，应该用样本的协方差矩阵代替。步骤如下（假如两个总体）： （1）分别计算各组的离差矩阵S1和S2； （2）计算 （3）计算类的均值 （4）计算 （5）计算 　　　　　　从而计算 （6）生成判别函数，将检验样本代入，得分，判类。 (三)、判别分析效果检验 良好的判别效果即是指所建立的判别函数具有相当的稳定性和准确性，优良的判别函数应该是：一理论基础稳固，具有准确判别的能力；二回代错判率低；三具有良好的外部数据应用性质。 由于判别分析是假设两组或多组样品取自不同总体，因此要求样本各类型的均值向量在统计上具有显著差异，如能反映出显著差异，则判别函数显著，有能力将不同的类型区别开来。 所以对判别效果的检验即是对多元正态总体的均值向量是否相等进行检验，利用Hotelling T2统计量进行检验。 回代是指将训练样本依次代入判别函数，检查错判情况，回代错判率低即是指依训练样本建立的判别函数偏差小，建立方法可靠。 良好的外部应用性质是指该判别函数具有相当程度的稳定性，不仅适用于本训练样本，而且在大多数情况下具有普遍应用能力，这也正是我们建立