该帮助的版本不再更新，请参见https://www.jmp.com/support/help/zh-cn/15.2 获取最新的版本.


多元方法 • 判别分析 • “判别分析”平台概述
上一个
 • 
下一个
“判别分析”平台概述
判别分析尝试将由连续变量值描述的一系列观测值进行分组。由分类变量 X 定义的组成员关系由连续变量来预测。这些变量称为协变量并用 Y 表示。
判别分析不同于 Logistic 回归。在 Logistic 回归中，分类变量是随机的并由连续变量来预测。在判别分析中，分类是固定的而协变量 (Y) 是通过随机变量实现的。但是，在这两种方法中，分类值均由连续变量来预测。
“判别”平台提供拟合模型的四种方法。所有方法均使用 Mahalanobis 距离估计每个观测到每个组的多元均值（重心）的距离。您可以指定组成员关系的先验概率，在距离计算中要采用它们。观测会被归类到距离最近的组中。
拟合方法包括以下几种：
•
线性—假定组内协方差矩阵是相等的。假定由 X 定义的组的协变量均值不同。
•
二次—假定组内协方差矩阵不同。这要求估计比线性方法更多的参数。若组样本大小很小，则可能得到不稳定的估计值。
•
正则—在组内协方差矩阵不同时提供两种方法来增加估计值的稳定性。若组样本大小很小，这是很有用的选项。
•
宽线性—在拟合有很多协变量的模型时很有用，此时其他方法可能计算困难。它假定所有协方差矩阵是相等的。