where, j = 1, 2,.. .n.When utilizin

where, j = 1, 2,.. .n.
When utilizing a comprehensive list of financial ratios in assessing a firm's
bankruptcy potential there is reason to believe that some of the measurements
will have a high degree of correlation or coUinearity with each other. While this
aspect necessitates careful selection of the predictive variables (ratios), it also
has the advantage of yielding a model with a relatively small number of selected
measurements which has the potential of conveying a great deal of information.
This information might very well indicate differences between groups but
whether or not these differences are significant and meaningful is a more important
aspect of the analysis. To be sure, there are differences between bankrupt
firms and healthy ones; but are these differences of a magnitude to
facilitate the development of an accurate prediction model?
Perhaps the primary advantage of MDA in dealing with classification problems
is the potential of analyzing the entire variable profile of the object
simultaneously rather than sequentially examining its individual characteristics.
14. For a formulation of the mathematical computations involved in MDA, see J. G. Bryan,
"The Generalized Disaiminant Function, Mathematical Foundation & Computational Routine,"
Harvard Educational Review, vol. XXI, no. 2 (Spring, 19S1), pp. 90-95, and C. R. Rao, Advanced
Statistical Methods in Biometric Research (New York: John Wiley & Sons, Inc., 19S2).

Results (Thai) 1:

ที่ j = 1, 2, ... . nเมื่อใช้รายชื่อของอัตราส่วนทางการเงินในการประเมินของบริษัทล้มละลายอาจมีเหตุผลให้เชื่อได้ว่าบางวัดจะได้ระดับสูงของความสัมพันธ์หรือ coUinearity กัน ในขณะนี้ด้าน necessitates เลือกสรรตัวแปรทำนาย (อัตราส่วน), มันยังมีเลือกประโยชน์ของผลผลิตรุ่นที่ มีขนาดค่อนข้างเล็กของวัดที่มีศักยภาพของการส่งข้อมูลมากข้อมูลนี้อาจบ่งชี้ความแตกต่างระหว่างกลุ่มดี แต่ความแตกต่างเหล่านี้หรือไม่สำคัญ และมีความหมายเป็นสำคัญมากขึ้นลักษณะของการวิ เพื่อให้แน่ใจ มีความแตกต่างระหว่างละลายบริษัทและคนที่มีสุขภาพดี แต่ขนาดจะต่างเหล่านี้ช่วยในการพัฒนาแบบจำลองพยากรณ์ถูกต้องหรือไม่บางทีหลักประโยชน์ของ MDA ในการจัดการกับปัญหาการจัดประเภทศักยภาพของการวิเคราะห์ค่าตัวแปรทั้งหมดของวัตถุพร้อมกันแทนที่จะตรวจสอบลักษณะของแต่ละลำดับ14. กำหนดประมวลผลทางคณิตศาสตร์ที่เกี่ยวข้องกับ MDA ดู J. G. Bryan"ฟังก์ชัน Disaiminant เมจแบบทั่วไป พื้นฐานทางคณิตศาสตร์ และขั้น ตอนการคำนวณทบทวนศึกษาฮาร์วาร์ด XXI หมายเลข 2 (ฤดูใบไม้ผลิ 19S1), นำ 90-95 และ C. R. ราว ขั้นสูงวิธีการทางสถิติในการวิจัยตรวจสอบทางชีวภาพ (นิวยอร์ก: จอห์น Wiley & Sons, Inc., 19S2)

Results (Thai) 2:

ที่เจ = 1, 2, .. .n.
เมื่อใช้รายการที่ครอบคลุมของอัตราส่วนทางการเงินในการประเมินของ บริษัท
ที่มีศักยภาพการล้มละลายมีเหตุผลที่จะเชื่อว่าบางส่วนของวัด
จะมีระดับสูงของความสัมพันธ์หรือ coUinearity กับแต่ละอื่น ๆ ในขณะนี้
มีความจำเป็นด้านคัดเลือกของตัวแปรทำนาย (อัตราส่วน) ก็ยัง
มีความได้เปรียบของรูปแบบการให้ผลผลิตที่มีจำนวนที่ค่อนข้างเล็กของที่เลือก
วัดที่มีศักยภาพในการถ่ายทอดการจัดการที่ดีของข้อมูล.
ข้อมูลเหล่านี้ได้เป็นอย่างดีอาจบ่งบอกถึงความแตกต่าง แต่ระหว่างกลุ่ม
หรือไม่แตกต่างเหล่านี้มีความสำคัญและมีความหมายเป็นความสำคัญมากขึ้น
ในแง่มุมของการวิเคราะห์ เพื่อให้แน่ใจว่ามีความแตกต่างระหว่างบุคคลล้มละลาย
บริษัท และคนที่มีสุขภาพดี แต่จะมีความแตกต่างเหล่านี้สำคัญที่จะ
อำนวยความสะดวกในการพัฒนาแบบจำลองการคาดการณ์ที่ถูกต้อง?
อาจจะได้เปรียบหลักของภาคตะวันออกเฉียงเหนือในการจัดการกับปัญหาการจัดหมวดหมู่
เป็นที่อาจเกิดขึ้นจากการวิเคราะห์รายละเอียดตัวแปรทั้งหมดของวัตถุ
พร้อมกันมากกว่าตามลำดับการตรวจสอบลักษณะของแต่ละบุคคล.
14 . สำหรับสูตรการคำนวณทางคณิตศาสตร์ที่เกี่ยวข้องในภาคตะวันออกเฉียงเหนือให้ดู JG ไบรอัน
"ฟังก์ชั่นทั่วไป Disaiminant คณิตศาสตร์มูลนิธิและคอมพิวเตอร์ประจำ"
ฮาร์วาร์รีวิวการศึกษาฉบับ XXI ไม่มี 2 (ฤดูใบไม้ผลิ 19S1), หน้า 90-95 และ CR ราวขั้นสูง.
วิธีการทางสถิติในการวิจัยไบโอเมตริกซ์ (นิวยอร์ก: John Wiley & Sons, Inc 19S2)

Results (Thai) 3:

ที่ J = 1 , 2 , . . . . N .
เมื่อใช้รายการที่ครอบคลุมของอัตราส่วนทางการเงินในการประเมินศักยภาพของบริษัทล้มละลาย
มีเหตุผลที่จะเชื่อว่าบางส่วนของการวัด
จะมีระดับสูงของความสัมพันธ์ หรือ couinearity กับแต่ละอื่น ๆ ในขณะที่ด้านนี้
necessitates ระมัดระวังในการเลือกของตัวแปร ( ต่อ ) ยัง
ได้ประโยชน์จากผลผลิตแบบที่มีจำนวนที่ค่อนข้างเล็กของคัดสรร
วัดซึ่งมีศักยภาพในการจัดการที่ดีของข้อมูล ข้อมูลนี้อาจบ่งชี้ว่า

แต่ความแตกต่างระหว่างกลุ่มหรือไม่ความแตกต่างเหล่านี้สำคัญและมีความหมายเป็นกว้างยาวที่สำคัญ
มากขึ้นของการวิเคราะห์ เพื่อให้แน่ใจว่ามีความแตกต่างระหว่างล้มละลาย
บริษัท และคนที่มีสุขภาพดี แต่นี่คือความแตกต่างของขนาด

อำนวยความสะดวกในการพัฒนารูปแบบการทำนายที่ถูกต้อง ?
บางทีประโยชน์หลักของ MDA ในการจัดการกับปัญหา
การจำแนกคือศักยภาพของการวิเคราะห์ตัวแปรทั้งหมดโปรไฟล์ของวัตถุ
พร้อมกันมากกว่าเป็นตรวจสอบคุณลักษณะของแต่ละบุคคล
14สำหรับการกำหนดทางคณิตศาสตร์ การคำนวณที่เกี่ยวข้อง ( ดู J . G . ไบรอัน ,
" ฟังก์ชัน disaiminant ทั่วไปทางคณิตศาสตร์&มูลนิธิคอมพิวเตอร์ตามปกติ " ทบทวนการศึกษา
ฮาร์วาร์ดฉบับ XXI หมายเลข 2 ( ฤดูใบไม้ผลิ 19s1 ) , pp . การเงินและ C . R . Rao , วิธีการทางสถิติในงานวิจัยทางชีวภาพขั้นสูง
( นิวยอร์ก : จอห์น นิ่ง& Sons , Inc 19s2 )