延展性和延伸翻口性出色的高强度热轧钢板及其制造方法_JFE.docVIP

偏最小二乘回归统计分析报告 （多因变量——PLS2） 一.自变量间相关关系 自变量之间存在高度线性相关，采用偏最小二乘回归将显示出其优越性（参见pls2-变量间相关系数表）。 二.提取偏最小二乘回归主成份数量 偏最小二乘法将多元校正的目标直接定位在预测上, 所以确定提取主成份数量的原则就是使预测误差PRESS最小,据此确定提取4个主成份（参见pls2-确定主成份数量的依据表）。根据预测误差PRESS最小的原则和根据交叉有效性Qh2≥0.0975的原则提取的主成份数量在绝大多情况下是一致的。但如果提取的主成份之间预测误差平方和（PRESS）相差不大，应参考拟合误差平方和（SS）的大小选取主成份。 三.提取的主成份对变量的解释能力 在偏最小二乘回归计算过程中，所提取的自变量成分th，一方面尽可能多地代表X中的变异信息，另一方面又尽可能与Y相关联，解释Y中的信息。 t1的解释能力最强，主成份t1—t4对自变量X和因变量Y的解释能力分别为：53.40%，82.69%（参见pls2-精度分析表）。 四.自变量与因变量的相关关系 判断自变量集合X与因变量集合Y之间是否存在较强的相关关系是检验是否可以建立Y对X的线性回归的基本条件，如果在图中明显观察到t1与u1之间存在线性关系，则说明X与Y有显著的相关关系，这时采用偏最小二乘回归方法建立Y对X的线性模型才会是比较合理的。 自变量与因