spss统计学判别分析.pptVIP

判 别 分 析 距离判别 逐步判别 典型判别 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。 §2 距离判别 （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 马氏距离和欧式距离之间的差别 马氏距离有如下的特点： 3、若变量之间是相互无关的，则协方差矩阵为对角矩阵 例 在企业的考核种，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？ （一）变量组间差异的显著检验 设有n样品，分别来自 k个类G1，G2，┅，Gk其中ni个来自Gi， 向后剔除 开始时，所有变量依赖于VAR语句中的变量都在模型中。每一步，在Wilks的统计量的准则下对模型中判别能力贡献最小的变量剔除。当所有余下的变量都达到留在模型中的标准时，向后剔除过程停止。 逐步选择 开始时如同向前选择一样，模型中没有变量，每一步都被检查。如果在Wilks的准则下统计量对模型的判别能力贡献最小的变量达不到留在模型中的标准，它就被剔除。否则，不在模型中对模型的判别能力贡献最大的变量被选入模型。当模型中的所有变量都达到留在模型中的标准而没有其他变量能达到进入模型的标准，逐步选择过程停止。 设有n样品，分别来自 k个类G1，G2，┅，Gk其中ni个来自Gi。 步骤 ? 第一步：通过计算单变量的?统计量，逐步选择判别变量 ? 第二步：分别计算未被选中的其它变量与选中变量x1的?统计量， ? 第三步：类推假设已经有q＋1个变量进入了模型，要考虑较早选入模型得变量得重要性是否有较大得变化，应及时将其从模型中剔除。其原则与引入相同。统计量?得值最小者或F最大者保留。 将样本分成两部分，一部分用于确定判别函数，另一部分用于检查判别的效果。如果样本量很大，可将样本平均地或随机地分成两部分。 选择变量 （1）和判别分析的目的密切相关 （2）反映要判类变量的特征 （3）在不同研究对象上的值有明显的差异 估计鉴别函数 选择某种方法建立判别规则，有距离判别、贝叶斯判别和典型判别 计算错判比率和正确判定的比率。将判别函数用于验证 样本，通过验证样本的错判比率和正确判定的比率来确定判 别的效果。所谓错判，就是把原来是第一类的样本判给了第 二类。对于正确判定的比率应该达到多少才能接受，并没有 严格的规则。 §5 典型判别法 然而，如果组数k太大，讨论的指标太多，则一个判别函数是不够的，这时需要寻找第二个，甚至第三个线性判别函数 其特征向量构成第二个判别函数的系数。 类推得到m(mk)个线性函数。 关于需要几个判别函数得问题，需要累计判别效率达到85％以上，即有 设