马克威判别分析

马克威操作说明

以数据文件“马克威通用数据3.mkw”为例，演示判别分析算法的操作。判别学生毕业之后是否找到工作与学历、期望薪酬、学校层次和家庭收入水平等变量之间的关系。

（1）首先，在工作区，打开建模分析工作流“高级统计”→“判别分析”；

（2）接着选择数据源；

（3）然后设置算法的参数；

（4）主要操作步骤如下：

1）选择数据源；

2）变量选择：

设置好参数如下所示：

变量选择：

输出设置：

（5）输出结果：

相关阵：

分类函数系数值：

判别分析回代：

（6）结果说明：

相关阵表给出各变量之间的相关性大小；可以看出这个案例的8个变量的相关性还是挺小的；它们之间属于弱相关。

分类函数系数值给出判别函数的系数；即：各判别函数可如下表示：

F1 = -83.0621+17.4907*是否取得证书+2.1214*家庭收入水平+64.8336*学校所在地+6.1731*学校层次+0.8768*花费时间+0.1107*期望薪酬；

F2 = -87.5588+16.5327*是否取得证书+2.5474*家庭收入水平+66.3831*学校所在地+6.8952*学校层次+0.7205*花费时间+0.1419*期望薪酬；；

得到判别函数之后，可以将未知样品数据代入判别函数中，计算判别函数值，根据函数值可判别该样本属于第几类。

回代就是利用线性判别函数，对观测变量进行判别得出该观测量属于哪一类。对每一个观测量均使用该方法进行判别，然后统计错判率。

数据要求

输入变量类型：要求数值型变量；如整型、浮点型、布尔型

注：输入变量中必须要有分组变量

输入数据尺度：标量型

算法用途

判别分析是根据描述事物特征的变量值和它的所属类找出判别函数，并以此为依据对所研究事物进行所属类判别的一种方法。其目的是对已知分类的数据建立由数值指标构成的分类规则，然后把这样的分类规则应用到未知样本去分类。

判别分析广泛地应用于科学研究中，如：动植物分类，医学疾病诊断，社区种类划分，气象区域（或农业气象区）的划分，商品等级分类，职业能力分类，以及人类考古学中的年代归属及人种分类等等。

算法原理

算法包含的各类基本统计量有：均值、离差及协方差。判别分析要求类别间的组内方差尽可能小，组间方差尽可能大；同时，特征值越大，区别已知类的能力越强。

算法的实现原理有：读入数据；计算统计量，包括：样本均值，总体均值，组内离差，总离差，组间相关阵等；判别分类：选择判别分类方法、计算判别系数、判别分类；判别效果检验。

计算判别系数：

（1）fisher’s法

（2）距离判别法

其中

结果与解释

输出结果：