《表1 M3与数量化Ⅱ类的CDR比较(训练数据)》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《数量化Ⅱ类弓形效应修正方法及应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:（1）第2、3列数据，表示对100组样本进行M3和数量化Ⅱ类计算平均正判别率CDR（%）。（2）第4、5列数据，表示对M3与数量化Ⅱ类计算出的100个CDR进行大小比较，下划线表示累计CDR优胜次数多的一方。（3）***代表p<0.001，**代表p<0.01，*代表p<0.05，△代表p<0.10，NS代表p>0.10。

首先通过训练数据建立判别模型，再通过测试数据检验模型的判别性能，比较M3与数量化Ⅱ类判别性能的优劣。训练数据分三类、三个自变量，取样本容量N分别为375、750、1500、3000、6000，测试数据取与训练数据相同样本容量，各变量进行不等段数、等间隔、递增分割，训练和测试数据根据样本容量不同分别生成100组数据。对生成的100组数据分别进行M3和数量化Ⅱ类，计算100组数据的平均CDR，计算100对CDR中各自优胜次数的累加，并对100对CDR优胜次数的可靠性进行Wilcoxon检验，如表1、2所示。