高校の管理者が、入学してくる生徒を3つの教育コースにグループ分けするためのモデルを作成しようとしています。管理者は、ランダムに180人の生徒を選び、各生徒の学力テストの得点、やる気スコア、および現在のコースを記録します。

  1. サンプルデータを開く、教育コース分け.MTW.
  2. 統計 > 多変量解析 > 判別分析を選択します。
  3. コースを入力します。
  4. 予測変数テストの得点やる気を入力します。
  5. 判別関数で、線形が選択されていることを確認します。
  6. OKをクリックします。

結果を解釈する

分類要約表は、モデルによって個々の真のグループに正しく配置されている観測値の比率を示します。学校管理者は、この結果を使用して、モデルが生徒を分類する精度を確認します。全体的に、93.9%の生徒が、正しい学習トラックに配置されました。グループ2では、正しい配置の比率が最も低く、60人中53人の生徒、つまり88.3%だけが学習トラックに正しく配置されました。

誤判別された観測値の要約表は、観測値が配置されるべきだったグループを示します。学校管理者は、結果を使用して、どの生徒が誤判別されたかを確認します。たとえば、生徒4はグループ2に配置される必要がありましたが、誤ってグループ1に配置されました。

判別分析:コース 対 テストの得点, やる気

応答に対する線形法: コース

予測変数: テストの得点, やる気

グループ グループ 1 2 3 計数 60 60 60
分類の要約 グループ 真のグループ に入れる 1 2 3 1 59 5 0 2 1 53 3 3 0 2 57 総数N 60 60 60 正分類数N 59 53 57 比率 0.983 0.883 0.950
正分類 正分 N 類数 比率 180 169 0.939
グループ間の二乗距離 1 2 3 1 0.0000 12.9853 48.0911 2 12.9853 0.0000 11.3197 3 48.0911 11.3197 0.0000
グループに対する線形判別関数 1 2 3 定数 -9707.5 -9269.0 -8921.1 テストの得点 17.4 17.0 16.7 やる気 -3.2 -3.7 -4.3
誤分類された観測値の要約 予測変 グ 真のグ 数グ ルー 観測値 ループ ループ プ 二乗距離 確率 4** 1 2 1 3.524 0.438 2 3.028 0.562 3 25.579 0.000 65** 2 1 1 2.764 0.677 2 4.244 0.323 3 29.419 0.000 71** 2 1 1 3.357 0.592 2 4.101 0.408 3 27.097 0.000 78** 2 1 1 2.327 0.775 2 4.801 0.225 3 29.695 0.000 79** 2 1 1 1.528 0.891 2 5.732 0.109 3 32.524 0.000 100** 2 1 1 5.016 0.878 2 8.962 0.122 3 38.213 0.000 107** 2 3 1 39.0226 0.000 2 7.3604 0.032 3 0.5249 0.968 116** 2 3 1 31.898 0.000 2 7.913 0.285 3 6.070 0.715 123** 3 2 1 30.164 0.000 2 5.662 0.823 3 8.738 0.177 124** 3 2 1 26.328 0.000 2 4.054 0.918 3 8.887 0.082 125** 3 2 1 28.542 0.000 2 3.059 0.521 3 3.230 0.479
本サイトを使用すると、分析およびコンテンツのカスタマイズのためにクッキーが使用されることに同意したことになります。  当社のプライバシーポリシーをご確認ください