Fisher判别分析
对案例中小企业的破产模型做Fisher判别分析
江义 114113001059 一问题:对企业的运行状态利用Fisher判别进行分类
选取四个经济指标用于判断企业处于破产状态还是正常运行状态,具体数据如下,其中类
别1表示破产状态,类别2表示正常运行状态
X1总负债X2收益率指X3短期X4生产类别 率 标 支付能效率指
力 标
-0.45 -0.41 1.09 0.45 1
-0.56 -0.31 1.51 0.16 1
0.06 0.02 1.01 0.4 1
-0.07 -0.09 1.45 0.26 1
0.38 0.11 3.27 0.55 2
0.19 0.05 2.25 0.33 2
0.32 0.07 4.24 0.63 2
0.04 0.01 1.5 0.71 2
-0.06 -0.06 1.37 0.4 1
0.07 -0.01 1.37 0.34 2
-0.13 -0.14 1.42 0.44 1
0.15 0.06 2.23 0.56 2
0.16 0.05 2.31 0.2 2
0.29 0.06 1.84 0.38 带测定
0.54 0.11 2.33 0.48 带测定
二、程序如下:(R语言)
> data=read.table("E:/bac/qiye.txt",header=T)
> data1=c(rep(1,6),rep(2,7)) > data2=as.factor(data1) > data$class=data2
> attach(data)
> names(data)
[1] "X1" "X2" "X3" "X4" "class"
> library(MASS)
> data.lda=lda(class~X1+X2+X3+X4) > data.lda
Call:
lda(class ~ X1 + X2 + X3 + X4)
Prior probabilities of groups:
1 2
0.4615385 0.5384615
Group means:
X1 X2 X3 X4 1 -0.07500000 -0.105000000 1.763333 0.3583333 2 0.07857143 -0.002857143 2.062857 0.4685714
Coefficients of linear discriminants:
LD1
X1 -7.9358690
X2 15.8747840
X3 0.1653748
X4 5.0408074
> newdata=data.frame(X1=c(0.29,0.54),X2=c(0.06,0.11),X3=c(1.84,2.33),X4=c(0.38,0.48))
> predict(data.lda,newdata=newdata) 三、运行结果
$class
[1] 1 1
Levels: 1 2
$posterior
1 2
1 0.6249180 0.3750820
2 0.7540681 0.2459319
$x
LD1
1 -0.6981236
2 -1.3032372
四、
$class显示,最后两组数据均属于第一类别,如下表:
X1 X2 X3 X4 类别
0.29 0.06 1.84 0.38 1
0.54 0.11 2.33 0.48 1
四、
总结
初级经济法重点总结下载党员个人总结TXt高中句型全总结.doc高中句型全总结.doc理论力学知识点总结pdf
判别分析是多元统计分析中较为成熟的一种分类方法,根据已知类别的若干样本数据,总结出客观事物分类的规律性。例如上述问题中,利用Fisher判别,就可以判别最后两个未知类别的企业运行状态,从而达到一定的经济效益。