Diskriminantanalüüs - mis see on, määratlus ja mõiste

Lineaarne diskriminantanalüüs ehk Linear Discriminant Analysis (LDA) on statistiline tehnika, mis loob funktsiooni, mis on võimeline nähtusi klassifitseerima, võttes arvesse diskrimineerivate muutujate rida ja kuulumise tõenäosust.

Seetõttu on meil tegemist statistilise protseduuri tüübiga, mis püüab rühmitada teatud sarnasuste põhjal. Sel viisil võimaldab see kvantifitseerida ühele või teisele rühmale kuulumise tõenäosust. Need rühmad on a priori teada, erinevalt klastrianalüüsist.

Diskriminantanalüüsi matemaatiline mudel

Vaatame, milline võiks olla diskrimineeriva analüüsi matemaatiline mudel.

See on väga lihtne, kuna see põhineb lineaarvõrrandite süsteemil. Muidugi on analüüs keerulisem, kuid see jääks väljapoole Economy-Wiki.com tööd, lihtsat majandust.

Nagu näeme, on need võrrandite kogumid, mille sõltuv muutuja (y) tähistab teatud skoore. Need on omakorda teiste diskrimineerivate muutujate (X) ja parameetrite rea (a) lineaarsed funktsioonid.

Nende lineaarsete kombinatsioonide kaudu on eesmärk maksimeerida rühmadevahelisi erinevusi ja minimeerida rühmade vahelisi erinevusi. Nii saab uusi juhtumeid rühmitada kindla tõenäosusega, mille puhul saame teada nende väärtust, kui need vastavad neile kriteeriumidele.

Diskriminantanalüüsi tegemiseks järgitav protsess

Vaatame, kuidas saab seda tüüpi analüüsi läbi viia:

1. Kõigepealt peate looma juhtumite ja muutujatega andmetabel. Lisatud on ka kategooriline muutuja, mis määratleb kõik rühmad.
2. Järgmisena genereeritakse matemaatiline mudel arvandmetega. See põhineb sellel, mida nägime eelmises osas. Statistiline tarkvara nagu SPSS või tasuta R automatiseerib kogu protsessi.
3. Lõpuks saame selle analüüsiga selgitada, miks iga juhtum ühte või teise rühma kuulub, ja lisaks kehtestame uutele juhtumitele liikmelisuse kriteeriumi. See põhineb tõenäosusel, et see hõlmab üht või teist.

Näited diskrimineeriva analüüsi rakendamisest

Lõpetuseks vaatame mõningaid näiteid diskrimineeriva analüüsi rakendamisest.

Pidagem ka meeles, et nende kõigi eesmärk on luua diskrimineeriv funktsioon, mis rühmitab iga uue juhtumi tõenäosuse järgi.

• Tahame klassifitseerida erinevad riigid nende makromajanduslike andmete põhjal: Vähearenenud, kiiresti arenevad või arenenud riigid (rühmad). Loome diskrimineeriva funktsiooni, et saaksime arvutada riigi tõenäosuse kuuluda ühte või teise rühma.
• Soovime läbi viia turunduskampaania ja meid huvitab teadmine, millistes rühmades üksikisikud klassifitseerida: Seega saame vastata teatud küsimustele, näiteks millised oleksid juhukliendi omadused.
• Soovime teada teatud klientide riskitaset (gruppi) seoses laenu andmisega: Kasutame muutujaid, mis on seotud teie sissetuleku, igakuiste kulude, ajaloo või töö tüübiga. Diskrimineeriv funktsioon annab meile asjakohast teavet maksevõime kohta.

Nagu näeme, on diskrimineeriv analüüs paljudes olukordades väga kasulik. Kuid mitte ainult majandusega seotud, seda kasutatakse teiste valdkondade hulgas ka meditsiinis, geoloogias või bioloogias.