1.判别分析的基本假设和原则
判别分析也是一种比较常用的分类分析方法，它先根据已知类别的事物的性质（自变量），建立函数式（自变量的线性组合，即判别函数），然后对未知类别的新事物进行判断以将之归入已知的类别中.判别分析的假设有以下五条：
（1）预测变量服从正态分布；
（2）预测变量之间没有显著的相关；
（3）预测变量的平均值和方差不相关；
（4）预测变量应是连续变量，因变量（类别或组别）是间断变量；
（5）两个预测变量之间的相关性在不同类中是一样的.
在判别分析的各个阶段应该把握以下原则：事先组别（类）的分类标准（作出判别分析的因变量）要尽可能准确和可靠，否则会影响判别函数的准确性，从而影响判别分析的效果；所分析的自变量应是因变量的重要影响因素，应该挑选既有重要特性又有区别能力的变量，达到以最少变量而有高辨别能力的目标；初始分析的数目不能太少.(www.xing528.com)
2.判别分析的分类
判别分析的分类方法有好几种，主要介绍以下几种：按类别的组数来分有两组判别分析和多组判别分析；按区分不同总体所用的数学模型来分有线性判别和非线性判别；按判别对所处理的变量方法不同有逐步判别、序贯判别等.
判别分析可以从不同的角度提出问题，因此有不同的判别准则，如费舍尔和贝叶斯准则.如果已知若干对象（个案）的特征指标和分类情况，就可由这些已知的信息用判别分析的方法来建立判别函数.对建立的判别函数的要求是用它来判别新观察对象的归类时，错判率要减到最小.
判别函数的一般形式为：Y=a1 x1+a2 x2+…+anxn.
其中Y为判别分数（判别值）；x1，x2，…，xn为反映研究对象特征的变量；a1，a2，…，an为各变量的系数，称为判别系数.
根据已知的个案值分类和表明个案值特征的变量值推导出判别函数.在进行判别时，把各个案值代入到判别函数中，得出判别分数，从而确定该个案属于哪一类.或者计算出各类的概率，从而判断个案属于哪一类.
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
