ЗАКЛЮЧЕНИЕ

Хотя в этом разделе внимание сфокусировано на некоторых проблемах и трудностях, возникающих при использовании дискриминантного анализа, не следует их бояться. В практических исследованиях мы часто сталкиваемся с данными, которые не согласуются с предположениями, лежащими в основе статистических методов. Зная требования, предъявляемые моделью, можно определить, когда они были нарушены, когда следует применить корректирующие меры и когда методика не соответствует целям данного исследования.

Эта работа была задумана как введение в дискриминантный анализ и включает ряд статистических процедур, предназначенных, во-первых, для изучения многомерных различий между двумя и более классами (что мы назвали «интерпретацией») и, во-вторых, для использования нескольких переменных для предсказания принадлежности объекта к некоторому классу («классификация»).

Математическая модель обычно предполагает, что переменные измеряются по интервальной шкале и имеют многомерное нормальное распределение. Мы ограничились обсуждением линейного дискриминантного анализа, который обычно требует равенства ковариационных матриц классов. Имея это в виду, исследователь может широко использовать подпрограммы дискриминантного анализа в стандартных пакетах компьютерных программ, таких, как SPSS, BMD и SAS. Читатель, желающий больше узнать обо всех особенностях дискриминантного анализа, может обратиться к работам, приведенным в списке литературы.