区别分析(discriminant analysis).pdfVIP

區別分析 (DiscriminantAnalysis) 1 區別分析簡介 主要目的在於瞭解群體的差異，先利用 區別變數建立區別規則 區別函數( ) ，再 由區別規則對個體進行分類 ，以預測每 個個體屬於不同群體的可能機率 2 常用的線性區別分析 線性區別函數或稱分類函數( ) 典型區別或稱( 費雪區別 ) 邏輯迴歸分析(Logit Regression Analysis) 逐步區別分析(Stepwise Discriminant Analysis) 3 區別分析之假設條件 區別函數分析在計算上與迴歸分析相 似 ，有關常態性 、獨立性 、均質性等在 區別函數分析上也都需要 4 線性區別函數或分類函數( ) 對數個群體 ，當選定一組區別變數後 ， 首先要找出一種區別規則來判別給定的 個體是屬於哪一個群體 建立區別規則最常用的原理—最概法 是依據各群體會發生此組資料的機率 ，然後 將此個體區分在發生機率最大的群體 5 區別函數 (分類函數) 當母體是常態分配且有相同的共變異數矩 陣 (稱為有均質性 ) ，可導出區別函數 當有 g個群體時 ，每個群體各自對應到一 個區別函數 ，此函數是區別變數的線性組 合 ，第 個群體的線性區別函數可表示為i d w x w x ...w x c i i1 1 i 2 2 ip p i 6 分類得點 區別函數可用來對第j個體資料計算其在 第 個群體上的分類得點i ，其公式為 s w x w x ...w x c ij i1 1j i2 2j ip pj i 7 將個體區分在得點最高的群體 計算出一個個體在各群體的分類得點 後 ，會將此個體區分在得點最高的群體 對每個個體即每一筆資料( 可以算出它) 到各群體中心的馬氏距離 ，然後將此個 體歸類或區分( )到最接近群體 1 馬氏距離平方 (x y ) S (x y )