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。

响应的响应的线性判别法: 跟踪
预测变量: 测验分数, 动机

       1       2       3
计数606060

分类汇总


实际组
置入组123
15950
21533
30257
合计 N606060
正确 N 595357
比率0.9830.8830.950

正确分类

N正确数比率
1801690.939

组之间的平方距离

123
10.000012.985348.0911
212.98530.000011.3197
348.091111.31970.0000

组的线性判别函数

123
常量-9707.5-9269.0-8921.1
测验分数17.417.016.7
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平方距离概率
4**1213.5240.438
      23.0280.562
      325.5790.000
65**2112.7640.677
      24.2440.323
      329.4190.000
71**2113.3570.592
      24.1010.408
      327.0970.000
78**2112.3270.775
      24.8010.225
      329.6950.000
79**2111.5280.891
      25.7320.109
      332.5240.000
100**2115.0160.878
      28.9620.122
      338.2130.000
107**23139.02260.000
      27.36040.032
      30.52490.968
116**23131.8980.000
      27.9130.285
      36.0700.715
123**32130.1640.000
      25.6620.823
      38.7380.177
124**32126.3280.000
      24.0540.918
      38.8870.082
125**32128.5420.000
      23.0590.521
      33.2300.479