Приложение 6 Результаты дискриминантного анализа без учета симптомокомплексов по методике «Рисунок семьи».
Таблица 6.Clas sificationResults
| PredictedGroupMembership | Total | |||||||
| GROUP | КГ | МО | РС | ОТЧ | ИГ2 | |||
| Original | Count | КГ | 39 | 2 | 3 | 4 | 2 | 50 |
| МО | 7 | 25 | 10 | 7 | 5 | 54 | ||
| РС | 7 | 14 | 15 | 12 | 2 | 50 | ||
| ОТЧ | 4 | 5 | 6 | 17 | 4 | 36 | ||
| ИГ2 | 1 | 1 | 1 | 1 | 20 | 24 | ||
| % | КГ | 79,6 | 4,1 | 6,1 | 8,2 | 2,0 | 100,0 | |
| МО | 13,0 | 46,3 | 18,5 | 13,0 | 9,3 | 100,0 | ||
| РС | 14,0 | 28,0 | 30,0 | 24,0 | 4,0 | 100,0 | ||
| ОТЧ | 11,1 | 13,9 | 16,7 | 47,2 | 11,1 | 100,0 | ||
| ИГ2 | 3,3 | 13,3 | 3,3 | 6,7 | 73,3 | 100,0 | ||
a 53,9% of original grouped cases correctly classified.
Таблица 7. Eigenvalues
| Function | Eigenvalue | % of Variance | Cumulative % | Canonical Correlation |
| 1 | 1,526 | 75,2 | 75,2 | ,777 |
| 2 | ,344 | 17,0 | 92,1 | ,506 |
| 3 | ,160 | 7,9 | 100,0 | ,371 |
a First 3 canonical discriminant functions were used in the analysis.
Таблица 8. Wilks' Lambda
| Test of Function(s) | Wilks' Lambda | Chi-square | df | Sig. |
| 1 through 3 | ,254 | 219,969 | 33 | ,000 |
| 2 through 3 | ,641 | 71,269 | 20 | ,000 |
| 3 | ,862 | 23,804 | 9 | ,005 |
Таблица 9. Structure Matrix
| Function | |||
| 1 | 2 | 3 | |
| RIS_4ELO | ,549* | -,294 | -,151 |
| POL_VOZR | ,349* | ,198 | -,118 |
| OTV_BAR | ,021 | ,561* | -,241 |
| TRI_DERE | ,236 | ,473* | -,025 |
| PRED_BAR | ,081 | -,017 | ,665* |
| PRON_GRA | -,342 | ,163 | ,654* |
| CELOSTNO | ,342 | -,163 | -,654* |
| PRED_PRO | -,275 | ,527 | -,569* |
| PLOHAY_F | -,237 | ,154 | ,421* |
| SIMMETRI | ,237 | -,154 | -,421* |
| AGRES_KO | ,082 | -,136 | -,323* |
| OTV_PRON | ,236 | ,018 | ,243* |
| GOMUNKUL | -,134 | ,111 | -,173* |
Pooled within-groups correlations between discriminating variables and standardized canonical discriminant functions Variables ordered by absolute size of correlation within function.
* Largest absolute correlation between each variable and any discriminant function
a This variable not used in the analysis.
Результаты дискриминантного анализа групп КГ, МО, РС, ОТЧ с учетом показателей по симптомокомплексам.
Таблица 10. Classification Results
| Predicted Group Membership | Total | ||||||
| GROUP | КГ | МО | ОТЧ | ИГ2 | |||
| Original | Count | КГ | 42 | 3 | 4 | 1 | 50 |
| МО | 8 | 32 | 8 | 6 | 54 | ||
| ОТЧ | 5 | 7 | 20 | 4 | 36 | ||
| ИГ2 | 1 | 4 | 2 | 17 | 24 | ||
| % | КГ | 83,7 | 6,1 | 8,2 | 2,0 | 100,0 | |
| МО | 14,8 | 59,3 | 14,8 | 11,1 | 100,0 | ||
| ОТЧ | 13,9 | 19,4 | 55,6 | 11,1 | 100,0 | ||
| ИГ2 | 3,3 | 13,3 | 6,7 | 76,7 | 100,0 | ||
a 68,6% of original grouped cases correctly classified.
Таблица 11. Eigenvalues
| Function | Eigenvalue | % of Variance | Cumulative % | Canonical Correlation |
| 1 | 1,488 | 81,2 | 81,2 | ,773 |
| 2 | ,345 | 18,8 | 100,0 | ,507 |
a First 2 canonical discriminant functions were used in the analysis.
Таблица 12. Wilks' Lambda
| Test of Function(s) | Wilks' Lambda | Chi-square | df | Sig. |
| 1 through 2 | ,299 | 155,256 | 32 | ,000 |
| 2 | ,743 | 38,109 | 15 | ,001 |
Таблица 13. Structure Matrix
| Function | ||
| 1 | 2 | |
| RIS_4ELO | ,499* | ,034 |
| BLAG_ATM | ,389* | -,105 |
| SIMMETRI | ,275* | ,250 |
| OTV_PRON | ,131* | -,124 |
| CHYVSTVO | -,122* | -,093 |
| PRED_PRO | -,346 | ,602* |
| PRED_BAR | -,001 | -,430* |
| PRON_GRA | -,378 | -,420* |
| OTV_BAR | -,173 | ,420* |
| TREV_VSE | -,150 | ,364* |
| NEBLAG_A | -,068 | ,270* |
| TRI_DERE | -,004 | ,247* |
| VRAGD_VS | ,009 | ,243* |
| POL_VOZR | ,201 | ,218* |
| KONFL_VS | ,067 | ,201* |
| AGRES_KO | ,162 | ,194* |
| GOMUNKUL | -,118 | ,149* |
Pooled within-groups correlations between discriminating variables and standardized canonical discriminant functions Variables ordered by absolute size of correlation within function.
* Largest absolute correlation between each variable and any discriminant function
a This variable not used in the analysis.
Приложение 7.
Дендрограмма (1) разбиения признаков на группы при помощи процедуры CHAID. В рамках показано значение критерия χ2 при разделении на группы, невозможность дальнейшей группировки показана крестом. Ниже величины критерия χ2 показаны значения независимых переменных (принцип разбиения) и количество испытуемых, вошедших в ту или иную группу.
![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]()
![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() |
Дендрограмма (2) разбиения признаков на группы при помощи процедуры CHAID.
В рамках показано значение критерия χ2 при разделении на группы, невозможность дальнейшей группировки показана крестом. Ниже величины критерия χ2 показаны значения независимых переменных (принцип разбиения) и количество испытуемых, вошедших в ту или иную группу.
126 94
35
91
37 32 62 54
27 13 19 27 27 35
17 10 15 12 |
Еще по теме Приложение 6 Результаты дискриминантного анализа без учета симптомокомплексов по методике «Рисунок семьи».:
- Приложение 3 Методика «Рисунок семьи»
- 7) Методика «Рисунок семьи».
- Таблица 38. Результаты ошибочной классификации катакомбных могильников второй половины V - первой половины VIII вв. методом дискриминантного анализа
- Приложение 3 Результаты эмпирического изучения структурно-функциональных характеристик семьи как условия формирования образа мира в отрочестве (Гл.2, П.2.3)
- 1) Методика «Рисунок человека».
- 4.1.5. Дискриминантный анализ.
- 4.4. Анализ результатов выполнения методики «Незаконченные предложения» старшими и младшими подростками.
- Дискриминантный анализ.
- Линейный дискриминантный анализ
- Глава 2. Методики исследования, теоретические основы анализа и обработки результатов
- Отбор наиболее информативных показателей в модели дискриминантного анализа.
- В данной главе представлены результаты исследования среди сайтов органов власти СЗФО, проведенного согласно методике, изложенной в третьей главе, и с помощью описанных в четвёртой главе ИМК. Полученные результаты позволили произвести анализ эффективности СЗИ сайтов органов власти СЗФО на момент исследования.
- в главе проводится анализ влияния взаимного расположения НКА и созвездия НС, участвующего в сеансе навигационных определений, на корреляционные характеристики навигационных векторов, поступающих из НП. Проводится анализ влияния на точность навигационной оценки использования ковариационных матриц в диагональном виде без учета корреляционных характеристик ошибок векторов навигационных измерений. Показано, что существует резерв в повышении точности навигационных оценок на коротких интервалах про
- 2.3. Разработка методов классификации качества и пригодности технологических процессов 2.3.1. Дискриминантный анализ в задаче классификации с учетом коррелированности показателей
- 2. Методика учета
- 3.3.3. Описание, обработка и анализ результатов Результаты и выводы по пилотажному исследованию






























23 12