解释判别分析的主要结果

请完成以下步骤来解释判别分析。主要输出包括正确比率和误分类观测值汇总。

步骤 1:评估观测值分类效果

检查正确归入实际组的观测值比率可评估您的观测值分类效果。

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
主要结果:比率、正确比率

在这些结果中,总体来看,93.9% 的观测值归入正确的组。组 1 正确归入比率最高,有 98.3% 的观测值正确归入。组 2 正确归入比率最低,60 个观测值中只有 53 个(也就是 88.3%)正确分类。因此,确认属于组 2 的观测值时分类系统出现的问题最多。

步骤 2:检查误分类观测值

比较观测值置入的组(预测组)和工作表分组列中所显示的组(实际组)。如果预测组与实际组不一致,那么观测值误分类。找出显示观测值最有可能误分类的模式。
注意

如果您为分析使用交叉验证,请比较交叉验证 (X-val) 的预测组与实际组。

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

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
主要结果:观测值、实际组、预测组

“分类汇总”表的列 2 显示 53 个观测值已正确分配到组 2。但是,来自组 2 的 5 个观测值置入到组 1,来自组 2 的 2 个观测值置入到组 3。因此,来自组 2 的观测值中的 7 个观测值错误地分类到了其他组。

“误分类观测值汇总”表显示观测值 65、71、78、79 和 100 误分类到了组 1,而不是组 2,这是最常发生的误分类。