Betreff: Was tun, wenn meine Diskriminanzanalyse große falsch klassifizierte Zahlen und Prozente aufweist?Bei jedem Modell für eine kategoriale Antwort ist es häufig der Fall, dass die Vorhersagen trotz signifikanter Prädiktoren eine große Fehlklassifikationsrate aufweisen. Das kanonische Diagramm zeigt in Ihrem Fall die Überschneidung zwischen den vier Gruppen, insbesondere den beiden Gruppen unten rechts im Diagramm.
Also ich glaube nicht, dass da was falsch ist. Es ist nur die Einschränkung des Modells, das auf diesen 5 Kovariaten basiert.
Was kann ich tun, wenn meine Diskriminanzanalyse eine große Anzahl und einen großen Prozentsatz falsch klassifizierter Zahlen aufweist?Ich habe Manova für meine Datenanalyse verwendet und signifikante Unterschiede zwischen meinen Behandlungen festgestellt. Als ich jedoch separate univariate Tests durchführte und versuchte, die Unterschiede zu ermitteln, waren die Ergebnisse nicht signifikant. In einigen anderen Foren wurde gesagt, dass die Gesamtvariablen in MNOVA möglicherweise zu den Unterschieden zwischen den Gruppen beitragen (Gesamteffekt aller Variablen), dass die Variablen unabhängig voneinander jedoch möglicherweise nicht zu den Unterschieden beitragen, und es wurde vorgeschlagen, weitere Diskriminanzanalysen durchzuführen.
Ich habe eine Diskriminanzanalyse mit den 5 Variablen als Y-Kovariaten und den Behandlungsgruppen als X-Kategorien durchgeführt. Ich habe 46 Datenzählungen, aber 17 davon wurden als falsch klassifizierte Zahlen und 36,95 als falsch klassifizierter Prozentsatz angezeigt. Gibt es eine Lösung für meine Daten? Sind diese Ergebnisse gültig oder bedeutet eine hohe Anzahl falsch klassifizierter Zahlen und Prozentsätze, dass mit meinen Ergebnissen etwas nicht stimmt?
Konsumenten- und MarktforschungMac OS
