diskriminaatioanalyysissa

Diskriminaatioanalyysi, usein lyhennettynä DA, on tilastollinen menetelmä, jota käytetään luokittelutarkoituksiin. Sen tavoitteena on löytää lineaarinen yhdistelmä selittäviä muuttujia, joka maksimoi ryhmien väliset erot samalla kun minimoi ryhmien sisäisen vaihtelun. Toisin sanoen, se pyrkii luomaan uusia muuttujia, diskriminaattorifunktioita, jotka parhaiten erottelevat ennalta määritellyt ryhmät toisistaan.

DA voi olla joko ennakoivaa tai kuvailevaa. Ennakoivassa DA:ssa tavoitteena on ennustaa yksilön ryhmäjäsenyyttä tunnettujen selittävien muuttujien perusteella. Kuvailevassa DA:ssa puolestaan pyritään ymmärtämään, mitkä muuttujat parhaiten selittävät ryhmien välisiä eroja. Menetelmä edellyttää, että ryhmäjäsenyys on tunnettu tutkimuksen alussa.

DA:n perusoletuksia ovat muun muassa muuttujien normaalijakautuneisuus ja homogeniset kovarianssimatriisit ryhmien välillä. Jos nämä oletukset eivät täyty, tulokset voivat olla epäluotettavia. DA:ta käytetään laajasti eri aloilla, kuten markkinoinnissa asiakassegmentoinnissa, lääketieteessä potilasluokittelussa ja psykologiassa käyttäytymismallien erottelussa. Se on hyödyllinen työkalu, kun halutaan ymmärtää ryhmien välisiä eroja ja ennustaa ryhmäjäsenyyttä.