10.主成分回归偏最小二乘回归.pptVIP

偏最小二乘方法 偏最小二乘方法(PLS-Partial Least Squares)的由来：回归分析无论在工程技术管理还是经济管理、社会科学的研究中，都是一种应用普遍的多元统计方法。回归分析通过建立自变量的线性组合来预测因变量的值。而对选择多元回归模型的自变量的基本要求就是模型中应包含所有对因变量有重要影响的因素，并且用来反映这些因素的自变量之间不存在密切的线性关系。然而实际问题中，当涉及的变量较多时，如果样本量不足够大很难找到一组完全不相关的自变量。特别是当样本量小于自变量的个数时，多重共线性是无法避免的一个问题。如果这时仍用普通的最小二乘回归方法，就会严重危害估计的效果，扩大模型误差，破坏模型的稳定性。而且最小二乘估计很难解决多个自因变量对多个自变量进行回归的估计问题。偏最小二乘回归可以很好地解决上述问题。 偏最小二乘方法的基本思想 偏最小二乘方法(PLS-Partial Least Squares)首先产生于化学领域，它是对最小二乘方法的推广。偏最小二乘法利用对数据进行分解和筛选，提取对因变量解释最强的综合变量，剔除多重相关信息和无解释意义的信息，从而克服了多变量多重共线x性在建模中的不良影响。 偏最小二乘法和其他方法相比，具有简单稳健、计算量小、预测精度高、不需要剔除任何解释变量和样本点的优点，因而得到了广泛的应用。 近