偏最小二乘回归分析在医学中的正确应用.pdfVIP

· 208 · 中国卫生统计201O年4月第27卷第 2期 偏最小二乘回归分析在医学中的正确应用 山东省潍坊医学院预防医学系卫生统计~ t：q-g(261053) 王园园 陈景武 偏最dx-乘法是由瑞典经济计量学家 Herman 5．在偏最dx--乘回归模型中，每一个 自变量 xj Wold于 1966年首次提 出。1983年 由伍德 (S． 的回归系数将更容易解释。偏最小二乘回归在对 自变 Wold)、阿巴诺(C．Albano)等人提出了一种新型多元 量进行信息综合时，不但考虑了要最好地概括 自变量 统计分析方法——偏最 小二乘 回归 (partialleast． 系统中的信息，而且注重所提取成分对因变量信息也 squaresregression，简称PLS)…，密西根大学的弗耐尔 必须具有最强的解释性，经过这样的筛选，对因变量无 (Fomel1)教授称偏最dx-乘回归为第二代回归分析方 解释作用的噪声 自然地被排除掉，因此，偏最dx--乘 回 法。该方法最初应用于计量化学领域并获得成功，近 归模型在实际系统中的可解释性更强。 年来被迅速推广到其他领域，如生物信息学、社会科学 6．一般多元统计方法有两个重要特点：对数据的 等，并取得了较好效果，但在医药卫生领域却应用甚 约束性和预测方程的数量永远不能多于变量 y跟变 少。本文主要就偏最小二乘回归分析在医学中的用途 量 的数量。因为变量x和变量 Y的因子都必须分 特点以及正确应用的注意事项作简要探讨。 别从 xx和 Yl，矩阵中提取 ，这些 因子就无法 同时表 示变量x和 y的相关性。偏最小二乘回归却不需要 偏最dx--乘回归分析的用途及特点 · 这些对数据的约束，预测方程由从矩阵 YXXY中提取 1．偏最小二乘 回归可以提供一种 “多对多”线性 出来的因子来描述 ；为了更具有代表性，提取出来的预 回归建模的方法。特别当两组变量的个数很多，且都 测方程的数量可能大于变量x与y的最大数。总之， 存在多重相关性，而观测数据的数量又较少时，用偏最 偏最dx__-乘 回归可能是所有多元统计方法里对变量约 dx--乘回归建立的模型具有传统的经典回归分析等方 束最少的方法，这种灵活性让它适用于传统的多元统 法所没有的优势。 计方法所不适用的许多场合。 2．偏最dx--乘回归在最终模型中将包含原有的 应用偏最小二乘回归分析存在的一些问题 所有 自变量，从而最大限度地利用了数据信息。偏最 dx--乘回归采用对变量x和 y同时都进行分解的方 当前发表的文章中，在应用偏最dx--乘回归分析 法，从变量x和 1，中同时提取成分(通常称为因子)， 时主要存在以下几个问题 ： 再将因子按照它们之间的相关性从大到小排列，然后 1．没有对 自变量和因变量之间线性关系做出明 决定选择几个因子参与建模，最终转换成包含所有原 确的分析推断，而直接应用偏最小二乘回归方法进行 始变量的回归方程，预测精度较高。 分析。 3．偏最dx--乘回归可以实现多种数据分析方法 2．无法对因变量 (解释变量)与反应变量之间的 的综合应用。长期以来，模型式的方法和认识性的方 关系作出精确的定量解释。偏最dx--乘回归一般用于 法之间的界限分得十分清楚，而偏最小二乘法则把它 建立预测回归方程 ，对于未知参数分布特性的确定无 们有机地结合起来，在一个算法下，可以同时实现回归