多变量分析期中报告.ppt

多變量分析區別分析Discriminant Analysis 區別分析12.1前言 是典型相關的特例，應變數是二元分類變數，若只有兩群，則需一個二元分類變數，若有G群，則需G-1個二元分類變數。 目的：使用自變數的資訊去最清楚地區分兩個或兩個以上的群體。 本章介紹兩群及多群區別分析方法 兩群區別分析中，將介紹費雪法(Fisher)及馬氏距離法(Mahalanobis) ，及說明兩種方法本質上是與回歸分析相同的。 12.1.1潛在應用 在第三章，我們提到複廻歸分析的目的是描述自變數X如何影響應變數Y、推論X與Y的關係是否顯著、及使用X預測Y。 在本章區別分析中，目的是相同的，但是用的名詞不一樣，即： Profiling Differentiation Categorization 1.Profiling 當研究的目的俱探索性的本質時，區別分析的第一個目的通常是描述性的： 各群體在自變數上是如何區別開來的? 例: 某產品使用量大的與使用量小的 群體在家庭規模、收入、教育、種族等變數有何不同? 2.Differentiation 不同群在自變數上是否有顯著差異？區別分析可以讓我們檢定不同群間的平均向量是否有顯著差異。 例： 在製造業，瞭解與控制製程變異是很重要的。製造者可以抽樣各台機器製造的產品產品(Y)與測量產品的相關規格(X)，並利用區