[经管营销]SPSS与研究方法 CH13.pdfVIP

區別分析 內容大綱 •13.1 認識區別分析 •13.2 區別分析-區別二群 •13.3 複區別分析 •13.4 虛擬變數區別分析 •13.5 二元Logistic迴歸分析 •13.6 重要統計檢定值 13.1 認識區別分析 • 區別分析又稱判別分析 （discriminant analysis）的應用範圍很廣， •例如，銀行將信用好的客戶和信用差的 客戶，分為二群，看看什麼因素最能夠 區別這二個群體；又如某行銷部門欲了 解最能區分其產品的重度使用者（heavy users）及輕度使用者（light users） 的因素是什麼。 •區別分析是一種相依方法，其準則變數（依變 數）為事先訂定的類別或組別。其預測變數（自變 數）是區間資料或比率資料。 • 區別分析的目的是： 1.找出預測變數（自變數）的線性組合，使組間變異 相對於組內變異的比值為最大。 2.找出哪些預測變數具有最大的區別能力。 3.根據新受試者的預測變數的數值，將該受試者指派 到某一群體。換句話說，在區別方程式建立之後， 研究者可將某人的有關資料（這些資料是在模式中 的變數）代入這個方程式中，以了解這個人被歸類 到哪一群。 4.檢定各係數與0之間是否有顯著性的差異，以及檢 定各組的重心（centroid）是否有顯著性的差異。 為了達成上述的目的，必須建立一個區別的直 線函數（linear function）如下： • 在區別分析中，研究者常常將不同的人或個體分成 不同的群組，但是除此之外，我們還可以從區別函 數中來檢視各變數的相對重要性。假設我們用區別 分析對成功、不成功的管理者建立如下的區別函數： • 其中，X1表示「與人相處的能力」、X2表示「對部 屬的激勵」、X3表示「專業技能」。由於區別函數 中的各係數值都經過標準化，我們可以說：在分辨 管理者的成功與否時，「與人相處的能力」的重要 性低於另外兩個變數 • 區別函數的數目等於從分組數目減一與 自變數數目（有幾個自變數）中取最小 的數目。例如，分組數目有三個（分成 三組），自變數數目有三個，則區別函 數的數目等於Min （分組數目減一，自變 數數目）Min2。因此會有兩個區別函數。 • 在單因子多變量變異數分析的檢定達到顯著水 準之後，進一步可採用區別分析。區別分析適 用的情況是依變數有一個且為名義變數，自變 數可為區間變數或名義變數。如自變數為區間 變數，則可進行區別分析或者Logistic迴歸分 析，如果自變數為名義變數則要進行虛擬變數 區別分析，如圖13-1所示。 • 在樣本數的要求上，全部觀察值數目最好是自變數（預 測變數）的10~20倍。每個自變數應有20個觀察值。 • 進行區別分析有以下的假定： 1. 自變數（預測變數）所屬母群體是常 態分配。 2.每組樣本均來自多變量常態分配的母群 體，亦即每一組內共變異數矩陣應大致 相等。 3.任何自變數（預測變數）都不是其他自 變數的線性組合，也就是沒有線性重合 的現象。 13.2 區別分析-區別二群 • 大海軟體公司裡面具有企管碩士學位的幹部30 名，分別有15名「前途光明」的幹部，15名 「前途黯淡」的幹部。該公司的總經理想要了 解，在人力資源管理中的員工錄用上，應特別 重視「經驗」、「在校成績」、「測驗成績」 中的什麼因素 • 開啟檔案（檔案名稱：...\Chap13\Discriminant Two Groups.sav）。此檔案包括了組別（分為二組， 以1表示「前途光明」組，以2表示「前途黯淡」 組）、經驗（工作經驗）、在校成績（在校成績總 平均）、測驗成績（應徵測驗成績）。組別為名義 變數，其他的變數為區間變數。 • 進入SPSS，按 〔Analyze〕、 〔Classify〕、 〔Dis criminant〕 （〔分析〕〔分類〕〔判別〕），在 所產生的「Discriminant Analysis」視窗中，將 「組別」變數選入右邊的「Grouping Variable」 （分組變數）下的空格中，選取〔分組（??）〕， 按其下的 〔Define Range〕 （定