基本的な回帰モデル > 多変量分散分析 > 線形判別分析 > [判別結果の保存]オプションの例
公開日: 11/25/2021

[判別結果の保存]オプションの例

例としてFisherが取り上げたあやめのデータ(Mardia, Kent, and Bibby(1979))を用います。このデータには、3品種(k=3)の「種類」について4変数の測定値があります。

1. [ヘルプ]>[サンプルデータライブラリ]を選択し、「Iris.jmp」を開きます。

2. [分析]>[モデルのあてはめ]を選択します。

3. 「花弁の長さ」「花弁の幅」「がくの長さ」、および「がくの幅」を選択し、[Y]をクリックします。

4. 「種類」を選択し、[追加]をクリックします。

5. 「手法」として[MANOVA]を選択します。

6. [実行]をクリックします。

7. 「MANOVAのあてはめ」の赤い三角ボタンをクリックし、[判別結果の保存]を選択します。

以下の列が「Iris.jmp」サンプルデータに追加されます。

SqDist[0]

Mahalanobisの距離を計算するために必要な2次式。

SqDist[setosa]

「setosa」の重心から各観測までのMahalanobisの距離。

SqDist[versicolor]

「versicolor」の重心から各観測までのMahalanobisの距離。

SqDist[virginica]

「virginica」の重心から各観測までのMahalanobisの距離。

Prob[0]

Mahalanobisの距離を指数変換し、符号を逆にして合計したもので、以下の確率の計算に使用される。

Prob[setosa]

「setosa」カテゴリに含まれる確率。

Prob[versicolor]

「versicolor」カテゴリに含まれる確率。

Prob[virginica]

「virginica」カテゴリに含まれる確率。

Pred 種類

属している確率が最も高いと判断された「種類」。

データテーブルに新規作成されたこれらの列は、別のプラットフォームで、判別分析の結果を要約するのに使えます。たとえば、次のような手順で要約できます。

1. 更新された「Iris.jmp」サンプルデータ(新しい列が追加されたデータテーブル)から、[分析]>[二変量の関係]を選択します。

2. 「種類」を選択し、[Y, 応答]をクリックします。

3. 「Pred 種類」を選択し、[X, 説明変数]をクリックします。

4. [OK]をクリックします。

分割表に、判別結果が表示されます。誤分類されている行が3つあるのがわかります。

図9.13 予測値と実測値の分割表 

Contingency Table of Predicted and Actual Species

より詳細な情報が必要な場合や、質問があるときは、JMPユーザーコミュニティで答えを見つけましょう (community.jmp.com).