一位高中管理人员希望创建一个模型来将新生分到三类教育方向中的一种。该管理人员随机选择了 180 名学生,并记录了每名学生的能力测验分数、动机分数和目前的教育方向。

  1. 打开样本数据集,教育安置.MTW.
  2. 选择统计 > 多变量 > 判别分析
  3. 中,输入跟踪
  4. 预测变量中,输入测验分数动机
  5. 判别函数下,确保选择了线性
  6. 单击确定

解释结果

“分类汇总”表显示由模型正确归入其实际组的观测值比率。学校管理人员使用这些结果来查看模型如何准确地对学生进行分类。总体来看,93.9% 的学生归入正确的学习成绩记录。组 2 的正确归入比率最低,60 个学生中只有 53 个(也就是 88.3%)正确归入学习成绩记录。

“误分类观测值汇总”表显示观测值应归入哪个组。学校管理人员使用这些结果来查看对哪些学生进行了误分类。例如,学生 4 应归入组 2,但错误地归入到了组 1。

判别分析: 跟踪 与 测验分数, 动机

响应的响应的线性判别法: 跟踪

预测变量: 测验分数, 动机

组 组 1 2 3 计数 60 60 60
分类汇总 实际组 置入组 1 2 3 1 59 5 0 2 1 53 3 3 0 2 57 合计 N 60 60 60 正确 N 59 53 57 比率 0.983 0.883 0.950
正确分类 N 正确数 比率 180 169 0.939
组之间的平方距离 1 2 3 1 0.0000 12.9853 48.0911 2 12.9853 0.0000 11.3197 3 48.0911 11.3197 0.0000
组的线性判别函数 1 2 3 常量 -9707.5 -9269.0 -8921.1 测验分数 17.4 17.0 16.7 动机 -3.2 -3.7 -4.3
误分类观测值的汇总 观测值 实际组 预测组 组 平方距离 概率 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
使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策