判别分析方法与SPSS.ppt

判别分析方法 基于 SPSS 应用软件 一、判别分析意义 判别分析是根据表明事物特点的变量值和它们所属 的类，求出判别函数。根据判别函数对未知所属类别的 事物进行分类的一种分析方法。 在自然科学和社会科学的各个领域经常遇到需要对 某个个体属于哪一类进行判断。如动物学家对动物如何 分类的研究和某个动物属于哪一类、目、纲的判断。 不同：判别分析和聚类分析不同的在于判别分析要 求已知一系列反映事物特征的数值变量的值，并且已知 各个体的分类（ 训练样本 ）。 方法有 距离判别 —— 根据个案与总体均值间的距离大 小的原则，进行判别。 贝叶斯判别 —— 根据后验概率最大的原则。 典型判别 —— 求原始变量的线性组合，使产生 的新变量之更能将类分开。 逐步判别 —— 有逐步筛选的办法，将对判别有 贡献的变量选出。 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： 总负债率 收益性指标 短期支付能力 生产效率指标 类别 -.45 -.41 1.09 .45 1 -.56 -.31 1.51 .16 1 .06 .02 1.01 .40 1 -.07 -.09 1.45 .26 1 -.10 -.09 1.56 .67 1 -.14 -.07 .71 .28 1 -.23 -.30 .22 .18 1 .07 .02 1.31 .25 1 .01 .00 2.15 .70 1 -.28 -.23 1.19 .66 1 .15 .05 1.88 .27 1 .37 .11 1.99 .38 1 -.08 -.08 1.51 .42 1 .05 .03 1.68 .95 1 .01 .00 1.26 .60 1 .12 .11 1.14 .17 1 -.28 -.27 1.27 .51 1 .51 .10 2.49 .54 2 .08 .02 2.01 .53 2 .38 .11 3.27 .55 2 .19 .05 2.25 .33 2 .32 .07 4.24 .63 2 .31 .05 4.45 .69 2 .12 .05 2.52 .69 2 -.02 .02 2.05 .35 2 .22 .08 2.35 .40 2 .17 .07 1.80 .52 2 .15 .05 2.17 .55 2 -.10 -1.01 2.50 .58 2 .14 -.03 .46 .26 2 .14 .07 2.61 .52 2 -.33 -.09 3.01 .47 2 .48 .09 1.24 .18 2 .56 .11 4.29 .45 2 .20 .08 1.99 .30 2 .47 .14 2.92 .45 2 .17 .04 2.45 .14 2 .58 .04 5.06 .13 2 .04 .01 1.50 .71 待判 -.06 -.06 1.37 .40 待判 .07 -.01 1.37 .34 待判 -.13 -.14 1.42 .44 待判 .15 .06 2.23 .56 待判 .16 .05 2.31 .20 待判 .29 .06 1.84 .38 待判 .54 .11 2.33 .48 待判 距离的判别 由于已经知道所有点的类别了，所以可以求 得每个类型的中心。这样只要定义了如何计算距 离，就可以得到任何给定的点（企业）到这三个 中心的三个距离。 显然，最简单的办法就是离哪个中心距离最 近，就属于哪一类。通常使用的距离是所谓的 Mahalanobis 距离（马氏距离）。用来比较到 各 个 中 心 距 离 的 数 学 函 数 称 为 判 别 函 数 (discriminant function). 这种根据远近判 别的方法，原理简单，直观易懂。 贝叶斯判别 根据后验概率最大的原则，在企业的财务状 况下，利用贝叶斯公式计算其判给各类的后验概 率，哪个概率越大，则判给哪类。 典型判别法 ( 先计算新变量的线性组合 ) 考虑只有两个（预测）变量的判别分析问题。 假定这里只有两类。数据中的每个观测值是二维空 间的一个点。见图（下一张幻灯片）。 这里只有两种已知类型的训练样本。其中一类有 38 个点（用“ o ” 表示），另一类有 44 个点（用“ * ”表 示）。按照原来的变量（横坐标和纵坐标），很难将这 两种点分开。 于是就寻找一个方向，也就是图上的虚线方向，沿 着这个方向朝和这个虚线垂直的一条直线进行投影会使 得这两类分得最清楚。可以看出，如果