(真正的好东西)偏最小二乘回归=多元线性回归分析+典型相关分析+主成分分析
偏最小二乘回归是一种新型的多元统计数据分析方法，它与1983年由伍德
和阿巴诺等人首次提出。近十年来，它在理论、方法和应用方面都得到了迅速的发展。密西根大学的弗耐尔教授称偏最小二乘回归为第二代回归分析方法。 偏最小二乘回归方法在统计应用中的重要性主要的有以下几个方面：
（1）偏最小二乘回归是一种多因变量对多自变量的回归建模方法。 （2）偏最小二乘回归可以较好地解决许多以往用普通多元回归无法解决的问题。在普通多元线形回归的应用中，我们常受到许多限制。最典型的问题就是自变量之间的多重相关性。如果采用普通的最小二乘方法，这种变量多重相关性就会严重危害参数估计，扩大模型误差，并破坏模型的稳定性。变量多重相关问题十分复杂，长期以来在理论和方法上都未给出满意的答案，这一直困扰着从事实际系统分析的工作人员。在偏最小二乘回归中开辟了一种有效的技术途径，它利用对系统中的数据信息进行分解和筛选的方式，提取对因变量的解释性最强的综合变量，辨识系统中的信息与噪声，从而更好地克服变量多重相关性在系统建模中的不良作用。
（3）偏最小二乘回归之所以被称为第二代回归方法，还由于它可以实现多种数据分析方法的综合应用。
由于偏最小二乘回归在建模的同时实现了数据结构的简化，因此，可以在二维平面图上对多维数据的特性进行观察，这使得偏最小二乘回归分析的图形功能十分强大。在一次偏最小二乘回归分析计算后，不但可以得到多因变量对多自变量的回归模型，而且可以在平面图上直接观察两组变量之间的相关关系，以及观察样本点间的相似性结构。这种高维数据多个层面的可视见性，可以使数据系统的分析内容更加丰富，同时又可以对所建立的回归模型给予许多更详细深入的实际解释。
一、 偏最小二乘回归的建模策略\原理\方法
你可能喜欢
- 算法大全
- matlab最小二乘法
- 主成分回归分析
- 主成分分析原理
- matlab实例教程
- 最小二乘法原理
- JAVA排序算法大全【整理版】4页
- 快速算法大全11页
- 算法大全20页
- 常用软考算法大全内附实例61页
- 算法大全参考文献2页
- java Hash算法大全13页
- ESPRIT算法(最小二乘法)matlab程序2页
- matlab中的最小二乘法拟合指数函数(人口问题)2页
- matlab拟合最小二乘法4页
- 最小二乘法圆拟合ppt(含matlab程序及说明)10页
- 最小二乘法matlab程序5页
- 最小二乘法做摄像机计数最优解的matlab代码2页
- 基于主成分回归分析法预测中国铁矿石需求5页
- 主成分分析和因子分析-回归分析和相关分析的区别3页
- 主成分分析及二次回归分析的3页
- 利用SPSS进行主成分回归分析13页
- 主成分分析(principal components analysis,PCA)又称：主分量分析,主成分回归分析法10页
- (真正的好东西)偏最小二乘回归=多元线性回归分析+典型相关分析+主成分分析16页
- PCA主成分分析原理19页
- 主成分分析法PCA的原理6页
- 主成分分析原理9页
- 主成分分析法的步骤和原理2页
- 主成分分析法原理及应用4页
- PCA主成分分析法原理分析4页
- matlab_简明实例教程72页
- matlab实例教程19页
- matlab实用实例教程72页
- matlab_简明实例教程72页
- matlab_简明实例教程72页
- matlab_简明实例教程72页
