판별 분석 예

한 고등학교 행정관이 미래 학생을 세 교육 진로 중 하나로 분류하기 위한 모형을 만들려고 합니다. 관리자는 학생 180명을 랜덤하게 선택하고 각 학생의 성취도 시험 점수, 동기 점수 및 현재 학습 과정을 기록합니다.

표본 데이터 집합교육배치.MTW을 엽니다.
통계분석 > 다변량 > 판별 분석을 선택합니다.
그룹에 학습 과정을 입력합니다.
예측 변수에 시험 점수 및 동기을 입력합니다.
판별 함수에서 선형이 선택되어 있는지 확인합니다.
확인을 클릭합니다.

결과 해석

분류 요약 표는 모형에 의해 참 그룹에 올바르게 배치된 관측치의 비율을 보여줍니다. 학교 관리자는 모형이 학생을 얼마나 올바르게 분류하는지 확인하기 위해 결과를 사용합니다. 전체적으로 학생의 93.9%가 올바른 반에 배치되었습니다. 그룹 2에는 60명 중 53명(88.3%)만 올바르게 분류되어 올바르게 배치된 학생의 비율이 가장 낮습니다.

잘못 분류된 관측치 요약 표에는 관측치가 배치되어야 하는 그룹이 표시됩니다. 학교 관리자는 결과를 사용하여 각 학생이 잘못 분류되었는지 확인합니다. 예를 들어, 학생 4는 그룹 2에 배치되어야 하지만 그룹 1에 잘못 배치되었습니다.

반응에 대한 선형 방법: 학습 과정

예측 변수: 시험 점수, 동기

그룹

그룹	1	2	3
카운트	60	60	60

분류 요약

	참 그룹
그룹에 넣기	1	2	3
1	59	5	0
2	1	53	3
3	0	2	57
전체 N	60	60	60
N 정분류	59	53	57
비율	0.983	0.883	0.950

분류 수정

N	수정	비율
180	169	0.939

그룹 간 거리 제곱

	1	2	3
1	0.0000	12.9853	48.0911
2	12.9853	0.0000	11.3197
3	48.0911	11.3197	0.0000

그룹에 대한 선형 판별 함수

	1	2	3
상수	-9707.5	-9269.0	-8921.1
시험 점수	17.4	17.0	16.7
동기	-3.2	-3.7	-4.3

잘못 분류된 관측치 요약

관측치	참 그룹	예측 그룹	그룹	거리 제곱	확률
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