偏最小二乘回归模型在高校科技人员类型预测中的应用.pdf

　中国卫生统计 20 10年 6 月第 27 卷第 3 期 ·275 · 偏最小二乘回归模型在高校科技人员类型预测中的应用 　王园园1, 2 　陈景武1 　　【提 　要 】　目的　探讨某省高校科技人员类型的影响因素 ,建立偏最小二乘回归模型 ,对高校科技人员类型进行预 测 、判别 ,为今后高校科技人员的培养及其合理使用提供更加可靠 、科学的理论依据 。方法 　采用 自编调查量表 ———高校 α 科技人员影响因素调查表对该省内高校科技人员进行随机抽样调查 ,采用 Chronbachs 系数和因子分析对量表的信度和 α 效度进行检验 ,运用 SA S 91对收集的数据进行偏最小二乘回归分析 。结果 　Chronbachs 系数 = 0781,表明调查表具 有较好的内在一致性信度 ,因子分析结果显示量表同时具有较高的结构效度 。偏最小二乘回归结果显示 ,该模型具有较 好的拟合优度 ,并符合专业上的解释 ,可为人事 、科研和教育部门进一步完善高校科技人员培养机制提供理论参考依据 。 结论 　偏最小二乘回归模型作为一种新兴的统计分析方法适合应用于高校科技人员类型预测的研究 。 【关键词 】　偏最小二乘回归 　科技人员类型 　预测 〔1 〕 　　1983 年 S. W o ld、C. A lbano 等 人提出了一种新 量化赋值后进行分析 。 ( 型多元统计分析方法 ———偏最小二乘 回归 p artial 2 统计方法 lea stsquare s regre ssion ,简称 PL S) 。偏最小二乘 回归 ( ) 1 偏最小二乘回归分析的基本原理 分析提供一种多对多线性回归建模的方法 ,建立因变 该方法基本原理可以概括为 : “同时提取因变量 量关于自变量的线形甚至非线形回归预测方程 ,特别 成分和自变量成分并使两者的协方差达到最大 ”。具 适用于当两组变量的个数很多 ,且都存在多重相关性 , 体要求 : ①各成分必须是原变量的线性组合 ,为了尽可 而观测数据的数量又较少的情况 。根据因变量个数 能多地携带原变量的变异信息 ,要求它们的方差达到 ( ) 单个或多个 的区别 ,偏最小二乘回归模型分为两种 最大 ; ②为了使 自变量成分对因变量成分有最大的解 类型 ,多因变量的偏最小二乘回归模型和单因变量的 释能力或预测能力 ,要求两者的相关性达到最大 。在 偏最小二乘回归模型 。该方法最初应用于计量化学领 ①、②条件下同时提取因变量成分和自变量成分 。然后 域并获得成功 ,近年来被迅速推广到其他领域 ,如生物 分别实施自变量和因变量对自变量成分的回归 ,求得它 信息学 、社会科学等 ,并取得了较好效果 。本研究将该 们被自变量成分解释后的残余信息。以后每一步都是 方法应用于高校科技人员类型预测的研究 。 对上一步残余信息的再提取 。如此往复 ,直到提取出所 资料与方法 有成分 。可见 ,各步骤实际上是对因变量和自变量的变 异信息逐步提取的过程 ,总信息量保持不变 ,各成分只 1资料来源 是对原变量的变异信息进行了重新分配 〔2 -