多元判别分析

5.2.2　多元判别分析

1）t－3年的多元判别分析

t－3年的多元判别分析结果见表5.8所示。

表5.8　t－3年组合模型主成分指标的分类方程系数

续表5.8

根据表5.8的结论，我们可以得到t－3年的判别模型如式5.15和式5.16所示：

将建模数据和外推数据分别代入判别函数，分别得到回判和外推的结果。按照Fisher线性判别方法，将相同年份的样本观测分类到较大的分类函数值中，即当K⁰≥K¹时将样本归入类别0，K⁰＜K¹时将样本归入类别1，结果如表5.9所示。

表5.9　t－3年组合模型主成分指标的Fisher线性判别模型的分类准确率

2）t－2年的多元判别分析

t－2年的多元判别分析结果见表5.10所示。

表5.10　t－2年组合模型主成分指标的分类方程系数

根据表5.10的结论，我们可以得到t－2年的判别模型如式5.17和式5.18所示：

将建模数据和外推数据分别代入判别函数，分别得到回判和外推的结果。按照Fisher线性判别方法，将相同年份的样本观测分类到较大的分类函数值中，即当K⁰≥K¹时将样本归入类别0，K⁰＜K¹时将样本归入类别1，结果如表5.11所示：

表5.11　t－2年组合模型主成分指标的Fisher线性判别模型分类准确率

3）t－1年的多元判别分析

t－1年的多元判别分析结果见表5.12所示。

表5.12　t－1年组合模型主成分指标的分类方程系数

根据表5.12的结论，我们可以得到t－1年的判别模型如式5.19和式5.20所示：

将建模数据和外推数据分别代入判别函数，分别得到回判和外推的结果。按照Fisher线性判别方法，将相同年份的样本观测分类到较大的分类函数值中，即当K⁰≥K¹时将样本归入类别0，K⁰＜K¹时将样本归入类别1，结果如表5.13所示。

表5.13　t－1年组合模型主成分指标的Fisher线性判别模型分类准确率

续表5.13