PLS偏最小二乘回归结果解读：多重共线性的解决方案.docxVIP

偏最小二乘回归（PLS回归）结果解读

一、方法概述

偏最小二乘回归（PartialLeastSquaresRegression，PLS回归）是一种融合了主成分分析、典型相关分析和多元线性回归等多种统计方法优点的多变量统计分析技术。该方法由Wold于1966年首次提出，特别适用于自变量之间存在多重共线性、样本量相对较少以及因变量为多个变量等复杂情形下的回归建模分析。PLS回归的基本思想是：分别对自变量X和因变量Y提取主成分U和V，使U和V之间的相关性最大化，然后建立U和V之间的回归关系，最终还原为X与Y之间的回归方程。

相较于传统的多元线性回归，PLS回归不要求自变量之间相互独立，能够有效解决共线性问题；相较于主成分回归，PLS回归在提取主成分时同时考虑了自变量和因变量的信息，使主成分更好地服务于回归预测。本研究借助SPSSAU软件，以6个自变量（x1~x6）对2个因变量（y1、y2）进行PLS回归分析，样本量为210个有效样本。

在SPSSAU【进阶方法】模块选择【PLS回归】，将变量拖拽至右侧对应分析框，操作如下图：

二、主成分与研究项的数学关系

由表1可知，主成分U1的表达式中，6个自变量的系数均为正值，介于0.376至0.451之间，说明U1综合反映了所有自变量的整体信息。其中x3（0.450）和x6（0.451）的系数最大，表明这两项在U1上的权重最高。主成分U2中，