判別分析: フィッシャーのスコア (SPSS など)判別分析: フィッシャーのスコア (SPSS など)
統計と分析Re: 判別分析: フィッシャーのスコア (SPSS など)こんにちは、サムさん、
役立つ場合は、次の詳細情報を参照してください。 https://www.ibm.com/docs/en/spss-statistics/beta?topic=analysis-discriminant-statistics
mycluster で 6 つの基底変数 (オレンジ...ブルーベリー) をすべて使用して単純な LDA を実行しています。
以下に例を示します。
ID オレンジ グレープフルーツ レモン ストロベリー ラズベリー ブルーベリー mycluster
1.00 89.00 81.00 85.00 55.00 70.00 56.00 2
2.00 90.00 83.00 94.00 59.00 42.00 61.00 2
3.00 95.00 79.00 87.00 61.00 58.00 49.00 2
4.00 56.00 41.00 62.00 88.00 84.00 83.00 1
5.00 71.00 56.00 61.00 92.00 86.00 85.00 1
6.00 66.00 68.00 60.00 83.00 90.00 89.00 1
7.00 68.00 62.00 45.00 79.00 98.00 91.00 1
8.00 82.00 81.00 85.00 55.00 70.00 56.00 2
9.00 90.00 88.00 94.00 59.00 42.00 61.00 2
10.00 95.00 79.00 84.00 61.00 58.00 49.00 2
11.00 56.00 41.00 62.00 93.00 84.00 83.00 1
12.00 71.00 56.00 61.00 92.00 84.00 85.00 1
13.00 66.00 68.00 60.00 83.00 90.00 91.00 1
14.00 68.00 62.00 45.00 79.00 95.00 91.00 1
必要な LDA 出力 (「mycluster 1 2」は、以下の表の 3 つの列のヘッダーです):
分類関数係数
マイクラスター 1 2
オレンジ 7.318 15.466
グレープフルーツ -6.189 -10.719
レモン.488 12.336
イチゴ 42.241 13.117
ラズベリー 17.201 14.129
ブルーベリー 45.019 30.221
(定数) -4625.059 -2422.181
フィッシャーの線形判別関数
Re: 判別分析: フィッシャーのスコア (SPSS など) - ステータスが変更されました: 情報が必要問題とニーズをより完全に理解するために、サンプル データ テーブル、またはご希望のアプローチを使用したより完全な分析を提供していただけますか?
Re: 判別分析: フィッシャーのスコア (SPSS など) - ステータスが「承認済み」に変更されました@reese_sj提案ありがとう。 お客様のご要望を承知し、検討させていただきます。
Re: 判別分析: フィッシャーのスコア (SPSS など)詳細：
研究開発では、クラスター分析を使用して、多数の質問から製品カテゴリのセグメントを作成することがあります。次のステップは、段階的線形判別分析 (LDA) を使用して、回答者のセグメントを正確に予測するために必要な質問の数を減らすことです。出力から、回答者を分類するアルゴリズムを作成できるように、LDA モデルからの一連の「フィッシャーズ スコア」(SPSS 言語を使用) を調査サプライヤーに提供していました。(n = 回答者数、k = 縮小 LDA モデルの質問数、m = セグメント数とします)。線形代数を使用して、セグメントごとに各回答者の LDA スコアを計算するには、nxk 回答者データ行列と kxm フィッシャー スコア行列の積 (および k と切片の合計) が必要でした。最も高いスコアを持つセグメントが回答者に割り当てられました。出力の一部として、m 個のセグメントに対して同様のフィッシャー スコア行列 (kxm、プラス切片) を生成できますか?
Re: 判別分析: フィッシャースコア (SPSS のような)こんにちは、
これらのスコアは、「フィッシャーの分類関数係数」と呼ばれることもあるので、追跡に役立ちます。
これが私の動機です。
調査回答者のデータに対して有用なクラスター分析を実行したら、研究者は、元のリストのいくつかの項目だけを使用して、将来の調査で新しい回答者のクラスターを予測する方法を求めます。そこで、予測モデルを作成するために、ステップワイズ LDA を使用します。ただし、次の調査に組み込んで、予測されたクラスターに応じて回答者を選別/資格付けできる簡単な「フィッシャーのスコア」セット (つまり、係数のセットと切片 --- クラスターごとに 1 セット) が必要です。基本的に、クラスターごとにデータに係数を掛け、切片を追加して、スコアを比較してクラスターを予測するだけです。または、これらの「SUMPRODUCT」スコア (Excel 関数の用語を使用) を取得して累乗し、指数の合計に対する比率として表して、クラスターに属する確率を計算することもできます。
最後に、モデルの過剰適合を回避するために、ステップバイステップの選択プロセスに Leave One Out またはクロス検証を追加すると非常に役立ちます (1 つの理由)。さらに、変数選択の目的は、クラスターのメンバーシップを予測するために必要なモデル内の項目の絶対最小数を見つけることです。研究者は、クラスターを予測するためだけに大量の項目 (調査の質問) を尋ねることで調査スペースを無駄にしたくないからです。
Re: 判別分析: フィッシャースコア (SPSS のような) - ステータスが「調査中」に変更されましたこの追加情報を提供していただきありがとうございます@hengehold_da1 。現在調査中です。
Re: 判別分析: フィッシャースコア (SPSS のような) - ステータスが「確認済み」に変更されましたRe: 判別分析: フィッシャースコア（SPSS のような）JMPの皆さん、こんにちは。
このアイデアについて何か新しい情報はありますか？フィッシャー分類スコアの計算方法を見つけましたか？もし見つけられなかったら、私の同僚が（SPSSに加えて）フィッシャー分類スコアを計算できるRパッケージを見つけたかもしれません。何か手がかりがあればお知らせください。（この手法を（P&G）JMPユーザー全員が利用できるように取り組んでいます。）
ありがとう！
