Результаты и классификация Окно результатов дискриминантного анализа:

Кнопка Variables in the Model (переменные в модели): Эта опция сначала вызывает Scrollsheet с итоговой статистикой для всех переменных, находящихся в настоящее время в модели:

Wilks' лямбда: Wilks' лямбда для полной модели вычмсляется после перемещения соответствующей переменной. Wilks' лямбда может принимать значения в диапазоне от 0 (совершенно различные) до 1 (никакого различия).

Частичная Лямбда: Это Wilks' лямбда, связанная с воздействием соответствующей переменной на дискриминационную мощность модели.

F-исключения: значение F, связанное с соответствующей частичной Wilks' лямбдой.

Р-уровень: р-уровень, связан с соответствующим F-исключения. Обратите внимание что в пошаговых исследованиях р-уровни требуют особого внимания (см. раздел Краткого обзора).

Допуск: значение допуска переменной вычисляется как 1-R квадрат соответствующей переменной со всеми другими переменными в модели (в этом Scrollsheet). Таким образом, допуск - мера избыточности соответствующей переменной.

1-Допуск (R- квадрат): Значение R- квадрат соответствующей переменной со всеми другими переменными в модели (в этом Scrollsheet).

Кнопка Variables Not in the Model (переменные не в модели): Эта опция вызывает Scrollsheet с итоговой статистикой для всех переменных, находящихся в настоящее время не в модели. Статистика, отображаемая в этом Scrollsheet по существу идентична той, которая описывалась выше (см. Переменные в модели).

Кнопка Distances Between Groups (расстояние между группами): Эта опция вызывает Scrollsheet с квадратом расстояния Махалонобиса между центрами групп. Расстояние Махалонобиса подобно Евклидову, за исключением того, что учитывается корреляция между переменными. Чем больше различия в этих значениях, тем дальше соответствующие группы друг от группы и наша текущая модель обладает большей дискриминационной мощностью для различия между двумя соответствующими группами.

В двух других Scrollsheet будут отображаться: значения F, связанные с соответствующими р-уровнями.

Кнопка Summary of Stepwise Analysis (итог пошагового анализа): Эта доступна только после выполнения пошагового анализа функций. После нажатия на эту кнопку появится Scrollsheet, который выводит для каждого шага:

(1) какая переменная была введена или удалена (обозначается символами E или R в круглых скобках после соответствующей переменной в первом столбце Scrollsheet);

(2) номер шага;

(3) F-включения / исключения;

(4) соответствующие степени свободы для этого значения F;

(5) р-уровень для этого значения F;

(6) число переменных в модели после соответствующего шага;

(7) полное значение Wilks' лямбды после соответствующего шага;

(8) значение F, связаное с лямбдой;

(9) степени свободы для этого значения F;

(10) р-уровень для этого значения F.

Кнопка Canonicial Analysis (Канонический анализ): канонический анализ выполняется, только если по крайней мере три группы были определены для анализа и если имеется по крайней мере две переменных в модели. В этом случае STATISTICA выполнит полный канонический анализ и вычислит дискриминантные функции. Эти функции и свзанные с ними значения можно рассмотреть в отдельном окне результатов.

Кнопка Classification Functions (Функции классификации): Эта опция вычисляет функции

классификации для каждой группы и использует их непосредственно для классификации элементов выборки. Будем относить элемент выборки в группу, для которой он имееет самое высокое значение функции классификации. Мы можем использовать эти функции в Data Management (Управление данными), чтобы определить преобразования для трех новых переменных (одна для каждой группы). После ввода новых элементов STATISTICA автоматически вычисляет значения классификации для каждой группы.

Кнопка Classification Matrix (Матрица классификаций): матрица классификаций содержит информацию о числе и проценте правильно классифицированных элементов в каждой группе. Можно использовать стандартные условия выбора элемента (щелчок на Sel\field из строки состояния) для классификации тех элементов, которые не используются для вычисления текущих функций классификации. Также вычисления для классификации элементов основаны на априорных вероятностях классификации, которые являются (1) одинаковыми для всех групп, (2) пропорциональными соответствующим размерам группы, или (3) определяемые пользователем (см. априорная вероятность классификации, ниже). Если выбраны вероятности определяемые пользователем, то перед началом вычислений Вы должны определить априорные вероятности классификации для каждой группы.

Кнопка Classification of Cases (Классификация элементов): После нажатия на эту кнопку кнопку появится Scrollsheet с классификацией для каждого элемента выборки. Варианты классификации упорядочены. Столбец под номером 1 содержит первый вариант классификации, то есть принадлежность каждого элемента данной группе имеет самую высокую апостериорную вероятность (см. опцию Posterior Probabilyties ниже). Строки, отмеченные звездочкой - элементы, которые неправильно классифицированы.

Кнопка Squared Mahalanobis Distances (квадрат расстояния Махалонобиса): После нажатия на эту опцию в Scrollsheet отобразятся квадраты расстояний Махалонобиса каждого элемента до каждого центра групп. Эти расстояния подобны квадратам Евклидовых расстояний соответствующего элемента до центра каждой группы (точке, определенной средними для всех переменных в соответствующей группе). Однако, в отличие от Евклидова расстояния, расстояние Махалонобиса учитывает корреляции между переменными в модели (которые определяют многомерное пространство).

Вообще, элемент классифицируется в самую близкую группу, если только широко несоизмеримые априорные вероятности не ведут к очень различным апостериорным вероятностям классификации. Звездочками в первом столбце Scrollsheet отмечены неклассифицированные элементы.

Заданный по умолчанию граф для этого Scrollsheet - iconplot, который позволяет быстро сравнивать расстояния Махалонобиса каждого элемента до различных групп.

Кнопка Posterior Probabilities (Апостериорные вероятности): Имея расстояния Махалонобиса каждого элемента до центров различных групп, можно вычислить соответствующие апостериорные вероятности классификации для каждой группы. Вообще, чем дальше элемент от центра группы, тем менее вероятна принадлежность элемента этой группе. Апостериорные вероятности определяются расстояниями Махалонобиса и априорными вероятностями (см. ниже). Элемент будет классифицирован в группу, для которой имеет самую высокую апостериорную вероятность классификации.

Неклассифицированные элементы отмечены в Scrollsheet звездочками.

Заданный по умолчанию граф для этого Scrollsheet - iconplot, который позволяет быстро сравнивать апостериорные вероятности для каждого элемента каждой группы.

Кнопка Save classif/distances/probs: После нажатия на эту кнопку отбразится меню, которое позволит Вам сохранить текущие классификации для каждого элемента, квадрат расстояния Махалонобиса или апостериорные вероятности.

Априорные вероятности классификации: Возможны три варианта задания вероятности: пропорционально размерам групп, одинаковой для всех групп и определяемой пользователем. Априорные вероятности показывают насколько вероятно, что элемент попадет в одну из групп без использования априорных знаний относительно значений переменных в модели. Например, при изучении исключенных из средней школы: в целом количество исключенных учащихся меньше количества остающихся в школе; таким образом, априорная вероятность того, что учащийся выбывает меньше вероятности того, что учащийся останется в школе. Априорные вероятности могут значительно влиять на точность классификации. Если известно, что в каждой группе имеется равное число элементов, то можно установить априорные вероятности одинаковые для всех групп. Если различие основных групп отражено в размерах выборки (если выборка - вероятностная выборка), то априорные вероятности должны быть пропорциональными размерам групп.

В заключение, если Вы имеете специфическое знание относительно основных групп (например, основанное на предыдущем исследовании), то имется возможность установить априорные вероятности пользователем. В этом случае появится окно диалога, позволяющее Вам определить априорные вероятности для каждой группы. Если сумма этих вероятностеей не равна 1, то STATISTICA автоматически нормирует их.

Кнопка NEXT: Эта кнопка появляется при выполнении пошагового дискриминантного анализа для отображения результатов на каждом шаге (at each step). Нажатие кнопки Next вычислит результаты очередного шага пошагового анализа.

NOTES AND TECHNICAL INFORMATION