区别分析的概念.PPT

第18章　區別分析 ?本章的學習主題 ? 1. 區別分析的概念 2. 區別函數 3. 區別函數負荷量 4. 預測新觀察值 5. 區別函數之區別能力 18.1 區別分析的概念 區別分析(discriminate analysis)乃是在樣本已事先分群的情況下，利用特定區別變數來找出有效的區別函數，以便得知區別變數鑑別各分群的能力並預測樣本應歸屬到那一群集。 在財務管理上，在已知樣本公司是繼續經營或解散的情況下，我們希望透過一些財務指標，來找出什麼是影響公司繼續經營與否的關鍵，再針對這些重大的影響因素來加以調整，以求繼續生存。 在行銷管理上，當我們已知消費者的購買行為時，我們希望透過調查這些消費者的態度或認知，來衡量這些因素是否會影響購買決策，然後經由調查研究對象的態度或認知，來預測那些是我們的潛在消費者。 在策略管理上，當企業進入新市場之投資方式不同時(合資或獨資)，我們希望透過調查企業之組織特性，來瞭解何種組織特性是造成公司採取何種進入方式的影響因素，並根據研究公司之組織特性，來推估可能較為適當的進入方式。 進行區別分析的目的 1. 利用變數來建立區別函數，以衡量群集間的差異。 2. 找出在不同群集間，最具區別能力的變數。 3. 透過區別函數來預測新樣本屬於那一群集。 18.2 區別分析的幾何圖形描述 18.3 區別函數 18.4 新觀察值的預測 一、臨界點法 我們可利用前述所提到的典型區別函數所計算出來的得點，針對每一區別函數進一步求出各組的中心點，然後再計算各群的臨界點。 ZCU：群間的臨界點。 NA：群A 內的樣本數。 NB：群B內的樣本數。 ZA：群A的中心點。 ZB：群B的中心點。 二、費雪(Fisher)法 由 18.3 所得到之 Fisher 線性區別函數可計算出各個體之典型得點再進而求出其分類函數。費雪區別函數係先將此原有空間投影在區別軸Y上。 將新觀察值代入各群的分類函數中，那一群的分類函數得點最高，即屬那一群。以本範例而言，其Fisher分類函數表示如下： 第一群： F1＝－77.954＋8.281×(顧客資本) ＋11.514×(人力資本)  ＋8.520×(結構資本1 )＋5.316×(結構資本2) 第二群： F2＝－114.272＋9.426×(顧客資本) ＋14.291×(人力資本)  ＋10.584×(結構資本1)＋6.571×(結構資本2) 第三群： F3＝－42.507＋7.010×(顧客資本) ＋8.363×(人力資本)  ＋6.271×(結構資本1)＋2.860×(結構資本2) 18.5 區別負荷量 透過觀察區別變數的負荷量，可以得知那個區別變數是最具區別能力的變數。 18.6 區別函數的鑑別能力 一、區別函數鑑別能力的概念 一個區別函數是否具有區別分群之能力，最主要是觀察其次數分配或密度分配重疊部份的大小。 二、區別函數鑑別能力的檢測 我們可以利用實際群組別和區別分析所產生的預測組 群來衡量區別函數之命中率(hit ratio)，藉以作為檢測 區別函數鑑別能力之用。 三、Press Q值 除了命中率以外，我們尚可用Press Q來檢測 預測分群結果是否具有區別能力。 其中，N：樣本數。 n：分群正確個數。 k：群組數。 Press Q是建立在的基礎上，換句話說 Press Q 必須通過統計量的檢定，得知其是否顯著，來 判定此區別分析是否具有區別能力 18.7 區別分析之結論 企業研究方法 第18章* * 圖 18-1 區別函數及區別群集示意圖 -1.188 -12.611 常數項 -1.517 0.597 結構資本 2 ( IC _ SF2 ) 0.696 0.717 結構資本 1 ( IC _SF1 ) 0.714 0.983 人力資本 ( IC _ HF ) 0.347 0.401 顧客資本 ( IC _ CF ) 2 1 區別函數 智慧資本 表 18-1 區別函數及其解釋變異量 區別函數1： Z1＝－12.611＋0.401×(顧客資本) ＋0.983×(人力資本) ＋0.717×(結構資本1)＋0.597×(結構資本2) 區別函數2： Z2＝－1.188＋0.347×(顧客資本) ＋0.714×(人力資本) ＋0.696×(結構資本1)