281662.rar
大小:(3.51 KB)

只需: 2 个论坛币  马上下载

本附件包括：

• pls.py

http://iask.sina.com.cn/user/my_ishare.php?uid=83355329

部分最小平方回归部分最小平方回归,部分最小平方回归,部分最小平方回归

部分最小平方回归过程估计部分最小平方（PLS，也称为“投影到潜在结构”）回归模型。PLS 是一种预测技术，可替代普通最小二乘法 (OLS) 回归、典型相关性或结构化方程建模，并且它在预测变量高度相关或预测变量数量超过个案数量时特别有用。

PLS 融合主成分分析和多重回归功能。它首先提取一组充分解释自变量和因变量之间的协方差的潜在因子。然后，回归步骤使用自变量分解来预测因变量的值。

测量级别。因变量和自（预测）变量可以是刻度、名义或有序变量。该过程假设相应的测量级别已指定给所有变量，尽管您可通过右键单击源变量列表中的变量并从上下文菜单中选择测量级别，以临时更改变量测量级别。该过程以相同的方式处理类别（名义或有序）变量。

类别变量编码。该过程在其间使用一个 c 编码临时对类别因变量重新编码。如果存在变量的 c 类别，则变量存储为 c 矢量，第一个类别指示为 (1,0,...,0)，下一个类别 (0,1,0,...,0)，...，和最后一个类别 (0,0,...,0,1)。使用虚拟编码表示类别因变量，即仅省略对应于参考类别的指示符。

频率权重。权重值在使用前四舍五入为最接近的整数。在分析中不使用缺失权重或权重小于 0.5 的个案。

缺失值。用户和系统缺失值视为无效。

重新调整。所有模型变量均被居中和标准化，包括表示类别变量的指示变量。

[此贴子已经被作者于2008-12-30 15:30:48编辑过]