应用多元统计分析208.pptVIP

§11.1 偏最小二乘回归分析 代入 即得p个标准化因变量的偏最小二乘回归方程 然后再还原为原始变量的偏最小二乘回归方程: * fhfh §11.1 偏最小二乘回归分析 (5) 确定抽取成分的个数l . 一般情况下,偏最小二乘回归并不需要选用存在的所有r个成分t1,t2,…,tr来建立回归式,而像主成分分析一样,只选用前l个成分(l≤r),即可得到预测能力较好的回归模型. * fhfh §11.1 偏最小二乘回归分析 下面讨论确定抽取成分个数l的几种方法. ① “舍一交叉验证方法”: 每次舍去第i个观测(i=1,…,n),用余下的n-1个观测按偏最小二乘回归方法建模,并考虑抽取k个成分后拟合的回归式,然后把舍去的第i个观测点代入所拟合的回归方程式,得到Yj(j=1,…,p)在第i个观测点上的预测值yj(i)(k).对i=1,2,…,n重复以上的验证,即得抽取k个成分时第j个因变量Yj(j=1,…,p)的预测残差平方和为 ^ * fhfh §11.1 偏最小二乘回归分析 Y=(Y1,…,Yp)′ 的预测残差平方和为 对抽取成分的个数k从1个至r个逐个计算Y的预测残差平方和PRESS(k),然后选取使Y的预测残差平方和达最小值的k,让l=k. * fhfh §11.1 偏最小二乘回归分析 ② “分批交叉验证方法”：每次扣留连续的q个观测作为检验数据集, q=1时就是“舍一交叉验证方法”,类似地按使预测残差平方和达最小的准则确定抽取成分的个数. ③ “分裂样本(SplitSample)交叉验证方法”：此方法中扣留起来作为检验数据集的观测不必是连续的,而是按一定宽度抽取而构成的.例如第一次扣留的观测为{1,11,21,...},然后是{2,12,22,...}等等. * fhfh §11.1 偏最小二乘回归分析 ④ “随机样本交叉验证方法”：此方法中扣留起来作为检验数据集的观测可以是随机抽取. 以上方法是SAS/STAT软件中PLS过程提供的，此外还有其它的方法(见参考献［11］).在实际应用中这些方法所确定的成分个数也不完全一致，最后确定成分的个数可综合各种验证的结果及从理论上给出的检验方法. * fhfh §11.2 PLS过程与应用例子 以下通过康复俱乐部20名成员测试数据的偏最小二乘回归分析例子介绍PLS过程的用法. 例11.2.1 康复俱乐部对20名中年人测量了三个生理指标：WEIGHT（体重），WAIST（腰围），PULSE（脉膊）和三个训练指标：CHINS（拉单杠次数），SITUPS（仰卧起坐次数），JUMPS（跳高）(数据见第十章例10.3.1).试用偏最小二乘回归方法建立由三个生理指标分别预测三个训练指标回归模型，并对计算结果进行分析. * fhfh §11.2 PLS过程与应用例子 解 使用SAS/STAT软件中PLS过程来完成偏最小二乘回归分析.假设测试数据已生成为 d1121的SAS数据集，SAS程序如下： proc pls data=d1121 details ; /* cv=one 或 nfac=2 */ model chins situps jumps=weight waist pulse / solution; output out=outpls yscore=u xscore=t predicted=pr1-pr3; run; * fhfh §11.2 PLS过程与应用例子 对标准化数据进行分析计算.生成的输出数据集outpls中除原始数据外,其中还包括成分的得分向量：t1, t2 , t3, u1, u2, u3,及偏最小二乘回归式对p个因变量的预测结果.部分结果见输出11.2.1至输出11.2.3. * fhfh * gjhhj jklk; * gjhhj jklk; * gjhhj jklk; * gjhhj jklk; * gjhhj jklk; * gjhhj jklk; * gjhhj jklk; * gjhhj jklk; * gjhhj jklk; * gjhhj jklk; * gjhhj jklk; 应用多元统计分析 第十一章 偏最小二乘回归 * fhfh 第十一章 偏最小二乘回归 目 录 §11.1 偏最小二乘回归分析方法 §11.2 应用例子 * fhfh