利用sas系统模型分析一组数据

：模型

财务羡衡正常公司：

Y=-504.89552-11.21762X1+7.83665X2+0.21150X3+0.77499X4+0.36059X5-5.85931X6-1.72308X7+7.58422X8+12.21601X9

财务困境公司：

Y=-619.35520-11.35101X1+5.60132X2+0.22330X3+0.79989X4+0.27322X5-5.99456X6-1.70626X7+8.85152X8+13.63997X9

2：检验

y=3.67805*prin1+2.21392*prin2+1.12608*prin3+ 0.78198*prin4+0.52051*prin5

在进行观测归类时，结果很好，分类错误的比率为0。因为哪个公司到底有困境，哪个正常我都是事先知道的，可是在进行主成分分析时，陷入财务困境危险的公司其得分值较高，而财务健康的公司其得分值较低或者不明显，下面是指标得分值。

问题大概就是这样了，如果你还没看明白，请说明，毕竟自己花了不少时间写的文章，不想轻易粘上去（而且文章也太长了估计复制不上去）。

模型和检验都在上面，至于程吵派裂序由于分析升闭指标太多，因此滤去了观测数据，下面。

1：一般判别分析模型

data solvency

input type x1 x2 x3 x4 x5 x6 x7 x8 x9@@

cards

XXXXXXXXXX

XXXXXXXXXX

XXXXXXXXXX

class type

var x1 x2 x3 x4 x5 x6 x7 x8 x9run

proc discrim pool=test slpool=0.05 list

class type

priors'1'=0.6 '0'=0.4run

proc discrim method=npar k=2 list

class type

run

2：主成分分析模型

data solvency

input type x1 x2 x3 x4 x5 x6 x7 x8 x9@@

cards

XXXXXXX

XXXXXX

XXXXXXXX

proc princomp out=out1

var x1-x9run

data a

set out1

y=3.67805*prin1+2.21392*prin2+1.12608*prin3+ 0.78198*prin4+0.52051*prin5

run

proc sortby yrun

proc print

var type y

run

中间打XXXXXX的是观测数据

马氏距离是由印度统计学家马哈拉诺比斯(P. C. Mahalanobis)提出的，表示数据的协方差距离。它是一种有效的计算两个未知样本集的相似度的方法。与欧氏距离不同升吵的是它考虑到各种特性之间的联系（例如：一条关于身高的信息会带来一条关于体重的信息，因为两者是有关联的）并芦毁且是尺度无关的(scale-invariant)，即独立于测量尺度。 对于一个均值为协方差矩阵为∑的多变量向量,其马氏距离为

马氏距离也可以定陪笑备义为两个服从同一分布并且其协方差矩阵为∑的随机变量与的差异程度:

---