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
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。
