利用-Logistic回归二次判别法提高判别分析效率朱勇华张庆丰华北电力大学，北京，102206三、利用Logistic回归提高判别分析效率，一般情况下，距离判别分析对资料的基本要求是：分组类型在两组或两组以上；在第一阶段工作时每组案例的规模必须至少在一个以上；预测变量必须是可测量的以计算其平均值和方差来得到相应的统计函数。另外还需要有一定的假设条件：1、每一个判别变量（预测变量）不能是其他的判别变量的线性组合;2、各组变量的协方差矩阵相等；3、各判别变量之间具有多元正态分布。与此相比，Logistic回归没有类似假设，而且当这些假设不满足时结果非常稳定，具有很好的稳健性。比如我们可以采用主成分分析来有效减轻预测变量之间的多元共线性，当预测变量是非度量变量是可以采用引入哑变量的方法来进行回归从而达到判别个体归属的目的等。从另一个方面讲，判别分析实际上是一种针对资料结构进行的分析方法，而回归分析则是基于资料之间的相关关系进行的分析方法，可以说这两种方法各有长处，将这两种方法的优点进行结合，显然有助于我们的分析。接下来我们看一下具体操作方法。首先需要确定判别准则，Logis
