JMP pro 中的偏最小二乘 VIP 係數你好，
我正在努力理解 NIPALS 和 SIMPLS 之間的區別，以及為什麼這兩個給我的 Y 具有如此低的 VIP 係數和相同的 X 集（我有 1000 個）。 我在 X 中有 3 個級別：我預計所有 3 個級別都有不同的相關係數，但它們彼此非常接近。 我是否正確使用了 PLS？
回复：JMP pro 中的偏最小二乘 VIP 係數當然，與使用同時合併所有響應的 PLS 相比，您將通過串聯使用 PLS 獲得不同的預測變量結果，每個響應單獨使用一次。 PLS 方法的獨特和有價值的特徵之一是在使用其他基於回歸的方法有問題的情況下，利用 x 和 y 變量之間的相關/協方差結構。 PLS 的基本吸引力之一是降維，因此產生了利用這些方法可以找到的潛在結構的想法。 PLS 的一個很好的參考是：
https://www.sas.com/store/books/categories/usage-and-reference/discovering-partial-least-squares-with-jmp-/prodBK_65346_en.html
回复：JMP pro 中的偏最小二乘 VIP 係數在這裡，您同時預測所有 Y 變量，因此我相信 VIP 與預測任何和所有 X 和 Y 變量的重要性有關。如果您每次使用一個 Y 變量運行分析 3 次，您將看到每個 X 變量的不同 VIP 值。
