鉴别分析是一种进行统计鉴别和分组的技术手段。它可以就一定数量案例的一个分组变量和相应的其他多元变量的已知信息,确定分组与其他多元变量之间 的数量关系,建立鉴别函数(discriminant function)然后便可以利用这一数量 关系对其他已知多元变量信息、但未知分组类型所属的案例进行鉴别分组。沿用 多元回归模型的称谓,在鉴别分析中称分组变量(grouping variable)为因变量, 而用以分组的其他特征变量称为鉴别变量( disciminant variable)或自变量。其 实,这里的自变量并不一定是真正的“原因变量,有时可能倒是真正的“结 果”或“反应”变量

所谓的多元方差分析，就是说存在着不止一个应变量，而是两个以上的应 变量共同反映了自变量的影响程度。比如要研究某些因素对儿童生长的影响程 度，则身高、体重等都可以作为生长程度的测量因子，即都应作为应变量

 Modeling strategies of SEM（模型的用途）  Model confirmation：验证（confirmatory）先设模型的恰当性  Model generation：设起始模型，与观察数据比较之后，进行必要的修正，反复估计而得到最佳拟合的模型  Model competation：利用不同模型的比较以决定何者最能反应真实数据 1、模型设定（model specification） 2、模型识别（model identification） 3、模型估计（model estimation） 4、模型评价（model evaluation） 5、模型修正（ model modification）

所谓的多元方差分析,就是说存在着不止一个应变量,而是两个以上的应 变量共同反映了自变量的影响程度。比如要研究某些因素对儿童生长的影响程 度,则身高、体重等都可以作为生长程度的测量因子,即都应作为应变量

11.1主要功能 11.2实例操作 11.1主要功能 多元分析处理的是多指标的问题。由于指标太多,使得分析的复杂性增加。观察指标 的增加本来是为了使研究过程趋于完整,但反过来说,为使研究结果清晰明了而一味增加 观察指标又让人陷入混乱不清。由于在实际工作中,指标间经常具备一定的相关性,故人 们希望用较少的指标代替原来较多的指标,但依然能反映原有的全部信息,于是就产生了 主成分分析、对应分析、典型相关分析和因子分析等方法

为了解决某钢厂IF钢冶炼RH精炼过程铝耗偏高问题,通过数理统计和BP神经网络相结合的方法建立了铝耗预测模型,并与多元线性回归模型进行比较,该模型具有更高准确度.该模型分析了不同冶炼工艺参数对铝耗的具体影响,并对相应工艺参数进行了优化.结果表明:脱碳结束氧活度或RH进站氧活度降低0.005%左右,每吨钢铝耗可降低0.07~0.08 kg,铝脱氧有效利用系数为70.31%~80.35%;RH进站钢液温度增加35~40℃,铝耗降低1 kg左右,铝热反应升温利用系数在97.4%左右;吹氧量小于100 m3和大于100 m3时,氧气与铝反应的比例分别为37.3%和74.6%左右,吹氧量每增加50 m3,铝耗分别增加0.1 kg和0.2 kg左右.工艺参数优化后平均铝耗由1.359 kg降低到1.113 kg,降幅达18.1%