Download presentation
Presentation is loading. Please wait.
Published byἘπαφρόδιτος Μιαούλης Modified 5年之前
1
第18章 區別分析 本章的學習主題 1. 區別分析的概念 2. 區別函數 3. 區別函數負荷量 4. 預測新觀察值
第18章 區別分析 本章的學習主題 1. 區別分析的概念 2. 區別函數 3. 區別函數負荷量 4. 預測新觀察值 5. 區別函數之區別能力 企業研究方法 第18章
2
18.1 區別分析的概念 區別分析(discriminate analysis)乃是在樣本已事先分群的情況下,利用特定區別變數來找出有效的區別函數,以便得知區別變數鑑別各分群的能力並預測樣本應歸屬到那一群集。 企業研究方法 第18章
3
在財務管理上,在已知樣本公司是繼續經營或解散的情況下,我們希望透過一些財務指標,來找出什麼是影響公司繼續經營與否的關鍵,再針對這些重大的影響因素來加以調整,以求繼續生存。
企業研究方法 第18章
4
在行銷管理上,當我們已知消費者的購買行為時,我們希望透過調查這些消費者的態度或認知,來衡量這些因素是否會影響購買決策,然後經由調查研究對象的態度或認知,來預測那些是我們的潛在消費者。
企業研究方法 第18章
5
在策略管理上,當企業進入新市場之投資方式不同時(合資或獨資),我們希望透過調查企業之組織特性,來瞭解何種組織特性是造成公司採取何種進入方式的影響因素,並根據研究公司之組織特性,來推估可能較為適當的進入方式。 企業研究方法 第18章
6
1. 利用變數來建立區別函數,以衡量群集間的差異。
進行區別分析的目的 1. 利用變數來建立區別函數,以衡量群集間的差異。 2. 找出在不同群集間,最具區別能力的變數。 3. 透過區別函數來預測新樣本屬於那一群集。 企業研究方法 第18章
7
18.2 區別分析的幾何圖形描述 圖 區別函數及區別群集示意圖 企業研究方法 第18章
8
18.3 區別函數 表 18-1 區別函數及其解釋變異量 區別函數1:
18.3 區別函數 表 區別函數及其解釋變異量 智慧資本 區別函數 1 2 顧客資本 ( IC _ CF ) 0.401 0.347 人力資本 ( IC _ HF ) 0.983 0.714 結構資本 1 ( IC _SF1 ) 0.717 0.696 結構資本 2 ( IC _ SF2 ) 0.597 -1.517 常數項 -1.188 區別函數 特徵值 解釋變異量 累積解釋變異量 Wilks’ Lambda 值 卡方值 自由度 顯著性 1 4.680 99.7 0.174 8 0.000 2 0.015 0.3 100 0.986 3.516 3 0.319 區別函數1: Z1=-12.611+0.401×(顧客資本) +0.983×(人力資本) +0.717×(結構資本1)+0.597×(結構資本2) 區別函數2: Z2=-1.188+0.347×(顧客資本) +0.714×(人力資本) +0.696×(結構資本1)-1.517×(結構資本2) 企業研究方法 第18章
9
表 標準化後之區別函數係數值 β 區別函數 1 2 顧客資本 ( IC _ CF ) 0.253 0.219 人力資本 ( IC _ HF ) 0.578 0.420 結構資本 1 ( IC _SF1 ) 0.566 0.550 結構資本 2 ( IC _ SF2 ) 0.378 -0.962 在標準化的情況下,常數項變成0,如此即可直接由β值來解釋某一變數與其函數間之關係(即斜率)。由標準化之變數係數可以比較出哪一個變數對於區別函數最有影響力。 企業研究方法 第18章
10
18.4 新觀察值的預測 一、臨界點法 我們可利用前述所提到的典型區別函數所計算出來的得點,針對每一區別函數進一步求出各組的中心點,然後再計算各群的臨界點。 ZCU:群間的臨界點。 NA:群A 內的樣本數。 NB:群B內的樣本數。 ZA:群A的中心點。 ZB:群B的中心點。 企業研究方法 第18章
11
圖 樣本數相同下之最適臨界點 企業研究方法 第18章
12
圖 樣本數不同下之最適臨界點 企業研究方法 第18章
13
表 18-3 區別函數各群中心點座標 ( . ) 內表示各群樣本數。 集群 中心點座標 區別函數 1 區別函數 2 1 ( 108 )
表 區別函數各群中心點座標 集群 中心點座標 區別函數 1 區別函數 2 1 ( 108 ) -0.409 -0.134 2 ( 94 ) 2.256 0.086 3 ( 44 ) -3.817 0.144 ( . ) 內表示各群樣本數。 企業研究方法 第18章
14
圖 區別函數之群間臨界值 企業研究方法 第18章
15
二、費雪(Fisher)法 由 18.3 所得到之 Fisher 線性區別函數可計算出各個體之典型得點再進而求出其分類函數。費雪區別函數係先將此原有空間投影在區別軸Y上。 將新觀察值代入各群的分類函數中,那一群的分類函數得點最高,即屬那一群。以本範例而言,其Fisher分類函數表示如下: 企業研究方法 第18章
16
表 Fisher分類函數 智慧資本模式 Fisher’s 分類函數 1 2 3 顧客資本 ( IC _ CF ) 8.281 9.426 7.010 人力資本 ( IC _ HF ) 11.514 14.291 8.363 結構資本 1 ( IC _SF1 ) 8.520 10.584 6.271 結構資本 2 ( IC _ SF2 ) 5.316 6.571 2.860 常數項 第一群: F1=-77.954+8.281×(顧客資本) +11.514×(人力資本) +8.520×(結構資本1 )+5.316×(結構資本2) 第二群: F2=- +9.426×(顧客資本) +14.291×(人力資本) +10.584×(結構資本1)+6.571×(結構資本2) 第三群: F3=-42.507+7.010×(顧客資本) +8.363×(人力資本) +6.271×(結構資本1)+2.860×(結構資本2) 企業研究方法 第18章
17
18.5 區別負荷量 透過觀察區別變數的負荷量,可以得知那個區別變數是最具區別能力的變數。 表 18 - 5 區別負荷量表
18.5 區別負荷量 透過觀察區別變數的負荷量,可以得知那個區別變數是最具區別能力的變數。 表 區別負荷量表 廣告所含訊息度 函數 1 2 顧客資本 ( IC _ CF ) 0.654* 0.013 人力資本 ( IC _ HF ) 0.503* 0.093 結構資本 1 ( IC _SF1 ) 0.650* -0.755* 結構資本 2 ( IC _ SF2 ) 0.439* 0.451* * : 負荷量值大於 0.3,表示具有影響力 企業研究方法 第18章
18
18.6 區別函數的鑑別能力 一個區別函數是否具有區別分群之能力,最主要是觀察其次數分配或密度分配重疊部份的大小。
18.6 區別函數的鑑別能力 一、區別函數鑑別能力的概念 一個區別函數是否具有區別分群之能力,最主要是觀察其次數分配或密度分配重疊部份的大小。 圖 區別函數之鑑別能力 企業研究方法 第18章
19
我們可以利用實際群組別和區別分析所產生的預測組 群來衡量區別函數之命中率(hit ratio),藉以作為檢測 區別函數鑑別能力之用。
二、區別函數鑑別能力的檢測 我們可以利用實際群組別和區別分析所產生的預測組 群來衡量區別函數之命中率(hit ratio),藉以作為檢測 區別函數鑑別能力之用。 表 預測分群之命中率 * 99.2%的分群命中率。 企業研究方法 第18章
20
除了命中率以外,我們尚可用Press Q來檢測 預測分群結果是否具有區別能力。
其中,N:樣本數。 n:分群正確個數。 k:群組數。 Press Q是建立在的基礎上,換句話說 Press Q 必須通過統計量的檢定,得知其是否顯著,來 判定此區別分析是否具有區別能力 企業研究方法 第18章
21
18.7 區別分析之結論 表 18—7 分群變數在各分群之平均值 構面與因素名稱 集群1 中智慧資本群 n=108 集群2 高智慧資本群
18.7 區別分析之結論 表 18—7 分群變數在各分群之平均值 構面與因素名稱 集群1 中智慧資本群 n=108 集群2 高智慧資本群 n=94 集群3 低智慧資本群 n=44 F值 P值 Duncan 人力資本 4.9983 5.9061 3.9524 0.000 ( 31, 2 ) 顧客資本 4.6058 5.7086 3.4139 ( 3, 1, 2 ) 結構資本 1 ( SC _sf1 ) 4.1279 5.0905 3.0648 74.804 結構資本 2 ( SC _ sf2 ) 4.4961 5.4905 2.9352 182.73 企業研究方法 第18章
22
*** : P<0.001;** : P<0.01 表 18—8 各分群在其他研究構面之平均值 構面與因素名稱 集群1 中智慧資本群
表 18—8 各分群在其他研究構面之平均值 構面與因素名稱 集群1 中智慧資本群 n=108 集群2 高智慧資本群 n=94 集群3 低智慧資本群 n=44 F值 P值 Duncan 知識創造過程 外部化 3.8837 4.9286 3.1019 43.942 0.000*** ( 3, 12 ) 連結 4.6550 5.5238 4.0556 28.877 ( 3, 1, 2 ) 社會化 4.9709 5.2571 3.7197 26.590 0.003** 內部化 5.1860 5.6607 4.2708 22.936 結構化程度 集權化 6.3101 7.4952 4.4444 18.727 ( 31, 2 ) 正式化 4.5930 4.1000 5.2500 2.497 0.085 ( 21, 3 ) 社會資本 信任關係 5.1333 4.7054 4.1667 11.467 ( 3, 2, 1 ) 互惠關係 4.7519 5.2333 3.8241 26.109 互動關係 4.8837 5.5381 4.6481 14.537 知識管理之績效 5.7184 3.8175 75.141 *** : P<0.001;** : P<0.01 企業研究方法 第18章
Similar presentations