判別分析のすべての統計量およびグラフを解釈する

解釈

観測値を各グループに分類した結果を評価するには、観測値を分類するグループと真のグループを比較します。

解釈

観測値を各グループに分類した結果を評価するには、観測値が分類されたグループと真のグループを比較します。たとえば、次の分類要約表の行2は、1 + 53 + 3 = 57個の観測値がグループ2に分類されたことを示しています。57個の観測値のうち、53個の観測値が正しくグループ2に割り当てられました。しかし、グループ2に分類された観測値の1つは実際にはグループ1に、3つはグループ3に分類されるべきものでした。このため、グループ2に分類された観測値の4つが、実際には他のグループに分類されるべきものということになります。

解釈

正分類数の値を使用して、割り当てられるグループに属するデータセット内の観測値が予測される数を決定します。たとえば、グループ1では、正分類数の値は52、合計正分類数の値は60だとします。これは、ワークシートのグループ化列の値に基づいて、60という値が、グループ1に属すると区分されることを示しています。60個の観測値のうち、52個は、分析に使用する判別関数に基づいて、グループ1に属すると予測されます。したがって、個々の真のグループに正しく配置されている観測値数は52です。

解釈

個々のグループに正しく配置されている観測値の比率を使用して、観測値がどの程度正しく分類されるかを評価します。たとえば、分類要約表の比率は次のことを示します。

したがって、最も問題があるのは観測値をグループ2に分類することです。

解釈

距離の値自体はあまり情報を含んでいませんが、複数の距離を比較することで、グループ間の違いを確認できます。たとえば、次の結果では、距離が最大になるのはグループ1と3の間（48.0911）であることを示しています。グループ1と2の距離は12.9853、グループ2と3の距離は11.3197です。

解釈

最大の線形判別関数、つまり回帰係数を持つグループが、観測値の分類に最も寄与します。たとえば、次の結果では、グループ1で検定スコアの線形判別関数が最大（17.4）になり、グループ1の検定スコアが、グループ2やグループ3の検定スコアよりも、グループのメンバーの分類に際して寄与度が大きいことを示します。モチベーションでは、グループ3の線形判別関数が最大であり、グループ3のモチベーションスコアが、グループ1やグループ2のモチベーションスコアよりも、グループのメンバーの分類に際して寄与度が大きいことを示します。

解釈

併合平均を使用して、データ内の観測値すべての中心を説明します。たとえば、次の結果では、すべてのグループの検定全体のスコア平均は1102.1となります。

解釈

グループ平均を使用して、データの中心を表す1つの値でそれぞれの真のグループを説明します。たとえば、次の結果では、グループ1に平均検定スコアの最大値（1127.4）があり、グループ3には平均検定スコアの最小値（1078.3）があります。グループ2の平均検定スコアはその中間（1100.6）にあります。

解釈

併合標準偏差を使用して、真のグループ平均の周辺での個別データ点の拡散程度を判断します。たとえば、次の結果では、すべてのグループの検定スコアの併合標準偏差は8.109となります。

解釈

グループの標準偏差を使用して、真のグループごとの平均からのデータの拡散程度を判断します。たとえば、次の結果では、グループ2の検定スコアに標準偏差の最大値（9.266）があります。このことは、グループ2の検定スコアのばらつきが、3つのグループの中でいちばん大きいことを示しています。グループ3に最小の標準偏差（6.511）があり、3つのグループの中でばらつきがいちばん小さいことになります。

解釈

観測値ごとの予測グループと真のグループを比較して、観測値が正しく分類されているかを判断します。予測グループが真のグループと異なる場合、観測値は誤分類されます。

解釈

交差検証を使用して予測されたグループと観測値ごとの真のグループを比較して、観測値が正確に分類されたかを判断します。交差検証を使用して予測されたグループが真のグループと異なる場合、観測値は誤って分類されたことになります。