Coefficients VIP des moindres carrés partiels dans JMP proBonjour,
J'ai du mal à comprendre la différence entre NIPALS et SIMPLS, et pourquoi ces deux-là me donnent des coefficients VIP si bas pour mon Y avec le même ensemble de X (j'en ai 1000). J'ai 3 niveaux dans X : je m'attendais à des coefficients de corrélation différents pour les 3, mais ils sont très proches les uns des autres. Est-ce que j'utilise correctement PLS ?
Re: Coefficients VIP des moindres carrés partiels dans JMP proBien sûr, vous obtiendrez des résultats de variable prédictive différents en utilisant PLS en série, une fois pour chaque réponse seule, par rapport à l'utilisation de PLS incorporant toutes les réponses simultanément. L'une des caractéristiques uniques et précieuses de l'approche PLS est de tirer parti des structures de corrélation / covariance entre les variables x et y pour les situations où l'utilisation d'autres méthodes basées sur la régression est problématique. L'un des attraits fondamentaux de PLS est la réduction de la dimensionnalité, d'où l'idée de tirer parti des structures latentes qui peuvent être trouvées à l'aide de ces méthodes. Une excellente référence pour PLS est :
https://www.sas.com/store/books/categories/usage-and-reference/discovering-partial-least-squares-with-jmp-/prodBK_65346_en.html
Re: Coefficients VIP des moindres carrés partiels dans JMP proIci, vous prédisez toutes les variables Y en même temps, donc je pense que le VIP est lié à l'importance de prédire toutes les variables X et Y.Si vous exécutez l'analyse trois fois avec une variable Y à chaque fois, vous verrez différentes valeurs VIP pour chaque variable X.
