数据结构
网络
关系型数据库管理系统 (RDBMS)
操作系统
Java
Microsoft Excel
iOS
HTML
CSS
Android
Python
C语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
服装学
法学如何利用判别分析预测公司的实力？
什么是判别分析？
判别分析是机器学习、统计学和金融学中广泛使用的工具。它是一种根据某些假设对目标进行分类，然后利用这些分类来预测过程未来走向的方法。显然，由于投资者和分析师希望预测公司未来的实力，因此该工具对他们至关重要。
判别分析依赖于连续的独立变量来形成模式，该模式显示两个参数之间的关系或可能满足数据集关系的预测方程。然后，这些方程用于对因变量进行分类。
当数据被分成两组时，称为DFA（判别函数分析）。当数据被分成两组以上时，该过程称为 *多元判别分析* 或MDA。多元判别分析也称为典范变异分析或CVA。
判别分析的假设
当满足适用假设时，判别分析可以提供关于预测分类的极好细节。
以下是判别分析函数中的主要假设：
自变量服从正态分布。大多数来自实际应用的变量要么服从正态分布，要么倾向于服从正态分布曲线。
假设给定类别中的方差在预测变量的水平上相似或相同。二次判别分析更适合这些假设。
但是，线性判别分析也遵循该假设。此处可以监控异常值的存在。因此，使方差稳定是一个主要需求，可以通过对数变换来满足。
预测变量被视为独立的。它们之间存在相关性会降低分析的效力。为了解决这个问题，可以替换或删除变量以确保独立性。
在分析中，样本也被认为是独立的。当总体很大时，这是一个合理的假设。
如何利用判别分析预测公司的实力？
当输出类别事先已知，或者想要成功地对数据集进行分类时，就会进行判别分析。如果输出类别事先未知，则必须进行聚类。
在下文中，将进行判别分析以预测公司的财务状况：
制定问题
首先要找到手头的问题。在确定公司实力的情况下，问题是该公司是会成功还是会失败并破产。
找到问题后，必须确定自变量和结果类别。一些变量可能包括 *流动资产净额与总资产之比、留存收益与总资产之比* 和 *息税前利润与总资产之比*。自变量的数量可以尽可能多。
样本分为两组——分析组用于估计，验证组用于检查结果。
寻找判别函数
判别函数写成：
$$\mathrm{D\:=\:b0\:+\:b1X1\:+\:b2X2\:+\:\ldots+bkXk}$$
这里，‘D’是判别分数，‘b’表示预测变量‘X’的系数。当已知‘X’时，需要估计‘b’的值。
寻找判别函数的重要性
我们从上述过程中得到的函数必须在统计上具有显著性。为此，检查函数的特征值。特征值越好，函数正确的可能性就越大。
结果解释
重要的是要通过其系数来检查预测变量的影响。较好的绝对标准系数值指向更好的判别。
评估有效性
现在，必须根据判别分数和一个决策规则对数据进行分类。验证样本分类后，应测量正确分类的百分比。这是对验证的交叉检查。
355 次浏览
