第1个回答 2011-05-10
：模型
财务正常公司：
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，至于程序由于分析指标太多，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 x9;run;
proc discrim pool=test slpool=0.05 list;
class type;
priors'1'=0.6 '0'=0.4;run;
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-x9;run;
data a;
set out1;
y=3.67805*prin1+2.21392*prin2+1.12608*prin3+ 0.78198*prin4+0.52051*prin5;
run;
proc sort; by y;run;
proc print;
var type y;
run;
中间打XXXXXX的是观测数据