基于Schmidt方法筛选变量的多自变量集合PLS方法及其案例研讨.pdfVIP

基于Schmidt方法筛选变量的多自变量集合PLS方法及其案例研究1 王兰会 王惠文 （北京航空航天大学经济管理学院 100083） 摘 要：多元线性分析中，初选的自变量集合经常包含性质不同的子集，由于自变量集合庞 大，常常需要将多个自变量集合中的主变量筛选出来建立模型，OLS 提供的变量筛选方法对 全部变量一并筛选，不能区分变量的不同子集，得到的模型往往解释性较差。本文提出一种 多个自变量集合的PLS 方法，首先利用Schmidt 方法筛选出各自变量子集中的主变量，然后 利用PLS 方法对筛选出来的变量进行回归，克服变量间的多重共线性，保证模型的拟合精度， 增强模型的解释性，最后利用这个方法对中国木材消费的影响因素进行了案例分析。 关键字：变量筛选， Schmidt 方法，多重相关性， PLS 方法，木材消耗 PLSMethodbasedonMultipleindependentVariableSubsets PPLLSSMMeetthhooddbbaasseeddoonnMMuullttiipplleeiinnddeeppeennddeennttVVaarriiaabblleeSSuubbsseettss anditsapplication aannddiittssaapppplliiccaattiioonn Wang Lanhui Wang Huiwen Abstract: AAbbssttrraacctt:: In multivariate linear regression analysis, there usually are different independent variable subsets in nature. Due to the overlarge of the independent variable sets, it is needed to select out principal variables in the subsets. However the variable selection methods proposed by OLS select all the independent variables at one time without distinguishing different subsets. The explanation power of the model is always not satisficatory. This paper presents a new method to select independent variable in multiple indepent variable subsets by Schmidt methods before PLS regression is implemented. The fitness of model was promoted and the result has a good ex planation. Thereafter, the method was applied in capture factors affecting timber comsuption as a case study. Keywords: KKeeyywwoorrddss::Variable Selection, Schmidt method, Multi-collinearity, PLS method 引言 多元线性回归是多元统计中应用最为广泛的一个技术。然而，在实际工作中，初选的自 变量集合庞大，经常包含性质不同的子集，需要进行变量筛选，寻找集合中的主要解释变量。 为了解决变量筛选问题，长期以来，人们做了大量的工作。最常见的一种思路是设法去掉不 太重要的相关性变量。有些应用人员认为，可以采用多元回归分析中的向前选择变量法、向 [1][2] 后删除变量法或逐步回归法来进行变量的筛选 。然而，在理论上，这些变量筛选方法都是 对所有的自变量等同对待的，并不区分变量所在的不同子集。因此如果用