判别分析模型及其在经济领域中的应用开题报告

1. 研究目的与意义

判别分析的研究可以更好地识别某个个体的所属类别，并解决回归模型所不适用的非度量变量问题。因而，判别分析的研究有待进一步深化。

判别分析的研究有利于解决两组甚至更多组变量的情况，分别运用距离判别、贝叶斯( Bayes)判别、费歇尔(Fisher)判别分析问题，对解决非度量问题有一定的启示，同时还可以用于预测新产品是否成功、决定学生是否被录取、确定客户的信用风险种类等。

2. 研究内容和预期目标

本文主要对判别分析模型及其在经济领域中的应用进行了研究。关键问题：

1.推导判别函数的关键假定是解释变量的多元正态性和由被解释变量定义的各组的未知但相等的协方差结构，若不满足多元正态性假定在估计判别方程则可能会出现问题。

2.若组间协方差阵存在较大差异，可以考虑使用二次判别技术；在解释判别方程时要注意解释变量多重共线性的程度以及对哪些变量有影响。

3. 国内外研究现状

1.判别分析

判别分析产生于20世纪30年代，是利用已知类别的样本建立判别模型，为未知类别的样本判别的一种有效的多元统计方法。根据已有若干样本的数据总结出规律，建立判别公式及判别准则，进而可以判断出新样本的所属类别，此方法已经得到了广泛的运用。判別分析按照判别的组数来区分，可以分为两组判别分析和多组判别分析。

距离判别法起源于1921年 pearson 的种族相似系数法，1936年 fisher 提出线性判别函数，并形成把一个样本归类到两个总体之一的判别法。fisher 判别的基本思想是投影，即将表面上不易分类的数据通过投影到某个方向 上，使得投影类与类之间得以分离的一种判别方法。bayes 判别和 bayes 估计的思想方法是一样的，即假定对研究的对象已经有一定的认识，这种认识常用先验概率来描述，在取得一个样本后可以用样本来修正已有的先验概率分布，得出后验概率分布，再通过后验概率分布进行各种统计推断。

4. 计划与进度安排

2021.12.15～2021.1.6

收集整理相关文献资料，初步构建论文框架；完成开题报告。

2022.1.7～2022.01.31

5. 参考文献

[1]张俊一.fisher判别分析在企业信用评价中的应用[j].科技信息,2014(11):132-133.

[2]王海洋. 基于判别分析技术的县域尺度耕地地力等级划分[d].郑州大学,2018.

[3]黄利文.基于变量择优的fisher逐步判别分析方法[j].系统科学与数学,2021,41(08):2338-2348.