表10 分类结果交叉表Classification Resultsb,c Classification Resultsb,c Original Count 分组 0 1 % 0 1 Predicted Group Membership 0 15 2 100.0 13.3 15 3 100.0 20.0 1 0 13 .0 86.7 0 12 .0 80.0 Total 15 15 100.0 100.0 15 15 100.0 100.0 Cross-validated aCount 0 1 % 0 1 a. Cross validation is done only for those cases in the analysis. In cross validation, each case is classified by the functions derived from all cases other than that case. b. 93.3% of original grouped cases correctly classified. c. 90.0% of cross-validated grouped cases correctly classified. 分析： 上半部分为原始分类的结果，下半部分为交叉分类的结果。第一栏为实际组别，第一行为预测组别。利用判别分析是否有助于对观测值的正确分类，可从统计的显著性来分析。原假设为判别分析总的结果同随便猜测的结果没有差别。考虑统计量Press'sQ?[31?(12?13)*2]31*(2?1)2~?1,其中N 为样本数；g 为组数；o 为正确分类的观测2值。 所以我们可以有99%的把握说判别分析的结果同随便猜测的结果明显的不同。从上表可以看出对原始分类的0与1正确率分别为93.3%，90.0%，用刀切法进行的交叉分类来讲其正确分类率分别为93.3%，90.0%。 （四）判别结果 表9输出fisher线性判别函数，该表给出了2个线性分类函数的系数。 假设一个数据：一个家庭年收入为60，对旅游的喜好为6，对家庭旅游的态度为6，家庭规模为3口人，根据表9所列数据，可得出公式为： F1=0.462×60+0.786×6+0.962×6+1.819×3-16.625=27.72+4.716+5.772+5.457-16.625=27.04 F2=0.678×60+0.830×6+1.298×6+2.903×3-33.479=40.68+4.98+7.788+8.709-33.479=28.678 把每个观测点带入如上2个函数，就可以得到分别代表二类的二个值，由公式结果可知。第二个数值较大些，即F2大于F1,可得出结论，该家庭会参加此旅游项目。
第 6 页 共 6 页