董小刚, 刘新蕊
(长春工业大学 数学与统计学院, 吉林 长春 130012)
在日常生活及科学研究中,经常会遇到将问题的结果用类别表示的情况。在研究此分类问题时,最常用的方法是线性判别分析与Logistic回归。这两种方法简单实用,易于计算,应用广泛。两种方法理论基础的差异使得它们各有优势,Logistic回归在给出具体分类的同时,还能描述影响分类结果的因素,而判别分析则仅对样本进行分类。线性判别分析对数据进行了特殊假设,它假设响应变量类间相互独立,同类样本服从多元正态分布,且具有相同的类内协方差阵。
这两种方法都具有很高的实用价值,如张晓东等[1]通过判别分析探讨了肺癌细胞核的有关体视学参数在肺癌诊断分型方面的意义;易尚辉等[2]对因大肠癌而住院的病历按治愈和未愈分两组进行了非条件多因素Logistic回归分析;王浩等[3]基于Logistic回归探讨了进展期胃癌淋巴结的转移规律;张立军等[4]以我国沪市 A 股上市公司为研究对象,利用判别分析研究上市公司财务危机预警;张成虎等[5]基于个人消费信贷数据,建立了个人信用评分的线性判别模型;朱燕波等[6]对 18 805例中国成年人建立Logistic回归,分析了中医体质类型与超重和肥胖的关系;李洪等[7]基于Logistic回归构建了北京市水库湿地演变的驱动因子指标体系;杨秀玮等[8]探讨了Bayes判别分析应用于输卵管妊娠早期诊断中的临床效果。因此,对两种方法的拟合效果进行比较是有意义的。……