偏最小二乘回归的的研究.pdfVIP

摘 要 Least 偏最小二乘回归分析(Partial Squares 多元统计分析方法，最早产生于化学领域。PLS主要用来解决多元回归分析中的自变量 存在多重相关性或变量个数多于样本点数等问题，集多元线性回归分析、主成份分析和 典型相关分析的基本功能为一体。在一个算法下，同时实现了回归建模、数据结构简化 和两组变量间的相关分析，给多元数据分析带来极大的便利。PLS方法已广泛应用于化 学计量、工业设计、计量经济学等各个领域。 本文分为三章，结构如下： 第一章介绍了多元回归分析及其最d,--乘估计，在自变量之间存在严重多重相关性 时最d,--乘估计完全失效。接着，介绍了多元回归的PLS方法。PLS方法能有效解决多 重相关性问题。PLS回归方法在处理样本容量小、自变量多的数据方面具有一定优势。 在实际问题中，往往是一部分自变量只对某一部分因变量有显著影响，另一部分自变 量只对另一些因变量有显著影响，而PLS回归方法所选择的主成分中仍包含所有的自变 量，最终建立的回归模型是包括所有自变量的全模型，因此一般的PLS方法并没有完全 解决变量间存在严重多重相关性的问题，特别是在自变量个数多，样本量小的情况下。 针对这种情况，本文第二章提出了对变量进行双重筛选，即改进的PLS方法。思想 如下：在建立PLS回归模型之前先对变量进行筛选，在筛选过程中，自变量和因变量的 地位是同等的，既对自变量筛选同时又对因变量筛选。设自变量为zl，z2，…，zm，因 变量为Y1，Y2，…，蜘，首先引入一个因变量，并对自变量进行筛选，找出对这一因变量 后考虑因变量的筛选，这相当于把z1，z2，…，X仇和Y1，Y2，…，蜘的地位作一对换，筛选 出对前面选出的r个自变量组[戤。，z锄…，z讳)影响显著的因变量组{协。，％，…，协：)(其 中．[协。，％，…，勘】．∈{可1，Y2，…跏))；接着再筛选自变量，找到对这z个因变量影响显 著的自变量组。重复这一过程，直到某步当自变量筛选后，没有因变量可删除，同时也 没有因变量可引入。假定这一过程得到的因变量组为{y1，沈，…，纨}其中k≤P，自变量 组为{鼢，，z锄…，z“)，其中r≤m，对这两组数据按照偏最d--乘回归的建模方法建立 回归方程组。从因变量Y1，耽，…，蜘中删除Y1，抛，…，Yk后，再按照上述变量选择方法筛 选因变量和自变量，得到第二组因变量和对应的自变量，如此往复，直到全部因变量都 有了与之相应的自变量组和PLS回归方程组，计算过程结束。在筛选过程中引入或剔除 某一变量的依据是判断该变量对模型中变量的“贡献的大小，即要检验该变量对模型 Ⅱ 中文摘要 中变量的显著性大小。文章提出的检验统计量服从F分布。本章最后利用改进的PLS方 法研究Y1991—2007年间影响我国人们生活质量和经济发展的多种因素，得到了较好的分 析结果。 本文第三章将改进的PLS方法与时间序列ARMA模型结合起来形成了PLS时间序列 预测模型，解决了PLS方法不能预测的问题，并利用该方法研究了1985-2007年间我国农 民家庭收入水平及城市化问题。 关键词：偏最小二乘回归、逐步回归、多重共线性、主成分、时间序列 Abstract PartialLeast anew statisticdata method， SquaresRegression(PLS)ismuliple analytical from is usedtosolvethe re． anditis field．PLS producedchemistry mainly multiple than thatthevariable