1 0 .1 判别分析 1 0 .1 .1 判别分析的基本概念 医学研究中，常根据观察到的数据资料，对所研究的对象进行分类，如根据病人的各种症状、体征和各种检验结果，判别病人患的是哪一种疾病；根据细菌的形态和生化特征，判别其属于哪一种菌株等。判别分析是对已知有确切类别的一批样品资料，根据其判别指标（例如症状、体征、检验结果等）应用一定的统计方法建立判别函数（或量表），进而对给定的新样品判断其归属哪一类总体。 根据资料的性质，可分为定性资料的判别分析和定量资料的判别分析；根据建立判别函数的判别准则，又有 Fisher 判别分析、Bayes 判别分析、距离判别分析等方法。本节介绍国内常用的几种判别分析方法以及如何在 SAS 软件中实现。 无论何种判别分析方法，其步骤为（以疾病诊断为例）： 收集训练样本。收集一批已知为 G 种不同类型的病人组成训练样本，作为训练样本的每个个体均需经金标准确诊；根据专业测定或调查每个病人对诊断可能有影响的体征或检测结果指标 m 项； 选择判别方法。根据专业问题特性和资料的性质选择相应的判别分析方法，就训练样本资料建立判别函数（或判别量表），并作假设检验； 回代考核。将训练样本每个个体的各项指标回代到所建立的判别函数，作出类别判断，并与训练样本的原确诊类别进行比较，计算回代符合率，以考核所建立函数的判别效果； 前瞻考核。当回代符合率较高时，可用已确诊的新个体的各项指标代入判别函数，计算判别符合率（又称外推符合率），进一步考核所建立函数的效果。前瞻考核常见的方法有两种：一是当训练样本较大时，先将训练样本分成两部分，一部分用作建立判别函数，另一部分作为前瞻考核的个体；二是用刀切法或称交叉检验。这种方法的做法是将训练样本 1 到 N 个个体每次去掉一个，用其余N-1 个样品拟合判别函数用以判别所去掉的 1个样品的类别，如此求得训练样本判别函数判断与原确诊类别的符合率。 1 0 .1 .2 定性资料的最大似然判别法 1.方法概述 这种方法适合于全部或大部分指标为定性或分类变量，少量定量或数值变量指标则可转化为有序多分类变量；所研究医学问题的总体类别可以是两类或多类，各类间是一个互斥的完备集。从理论上讲，这种判别方法要求各指标（变量）间相互独立，实际应用中这种要求难以达到，则应尽量选择彼此独立或近似独立的指标，避免用彼此高度相关的指标，以提高运用该法的实际效果。 作定性资料的最大似然判别...
