判别分析主要应用于因变量为无序的离散变量，自变量为连续变量的情况。
     尽管经典的判别过程，在现代智能判别（决策树、神经网络等）面前，多少有点黯然失色，就连它的应用也明显少了很多，但这并不影响它的基础性的地位，和在不同领域的应用。就智能判别算法而言，有很多亮点，像自动化和非线性，尤其在比较大一点的数据情况下，很有市场的，但也并不是所有的情况均适用的，在经典判别条件严格满足的情况，该方法会更准确。析，
*逐步判别用于判别分析的预分析，可以筛选变量；
proc stepdisc data=data_anl.iris method=stepwise;
     class Species;
     var SepalLength SepalWidth PetalLength PetalWidth;
run;
*指定判别过程的正态理论方法，可以根据  pool=test检验不同组方差齐性问题，进而选择
方差是否齐的选择如pool=yes（or no）；
proc discrim data=data_anl.iris outstat=stat method=normal  pool=test
                                                                                 listerr crosslisterr;
          class species;
        *priors proportional;*指定样本比率作为先验概率;
       var SepalLength SepalWidth PetalLength PetalWidth;
run;

*预测新的数据;
data test;*指定新的数据文件test;
input species $10. SepalLength SepalWidth PetalLength PetalWidth;
datalines;
          15 28 31 16
          25 63 23 12
;
proc discrim data=data_anl.iris outstat=stat; *保存判别准则信息stat;
   class species;
run;
proc discrim data=stat testdata=test testlist testout=aa;*保存预测结果在aa中；
   class species;
   title "判别新的观测值的归属问题";
run;
注：参见sas/stat 9.3