Partielle Least Squares VIP-Koeffizienten in JMP proHallo,
Ich habe Mühe, den Unterschied zwischen NIPALS und SIMPLS zu verstehen und warum diese beiden mir so niedrige VIP-Koeffizienten für mein Y mit demselben Satz von Xs geben (ich habe 1000 davon). Ich habe 3 Ebenen innerhalb von X: Ich habe für alle 3 unterschiedliche Korrelationskoeffizienten erwartet, aber sie sind sehr nahe beieinander. Verwende ich PLS richtig?
Betreff: Partielle Least Squares VIP-Koeffizienten in JMP proNatürlich erhalten Sie unterschiedliche Ergebnisse der Prädiktorvariablen, wenn Sie PLS in Serie verwenden, einmal für jede Antwort einzeln, im Vergleich zur Verwendung von PLS, bei der alle Antworten gleichzeitig einbezogen werden. Eines der einzigartigen und wertvollen Merkmale des PLS-Ansatzes besteht darin, Korrelations-/Kovarianzstrukturen sowohl zwischen den x- als auch den y-Variablen für Situationen zu nutzen, in denen die Verwendung anderer regressionsbasierter Methoden problematisch ist. Eine der grundlegenden Attraktionen von PLS ist die Reduzierung der Dimensionalität, daher die Idee, die latenten Strukturen zu nutzen, die mit diesen Methoden gefunden werden können. Eine großartige Referenz für PLS ist:
https://www.sas.com/store/books/categories/usage-and-reference/discovering-partial-least-squares-with-jmp-/prodBK_65346_en.html
Betreff: Partielle Least Squares VIP-Koeffizienten in JMP proHier prognostizieren Sie alle Y-Variablen gleichzeitig, daher glaube ich, dass der VIP mit der Bedeutung der Vorhersage aller X- und Y-Variablen zusammenhängt.Wenn Sie die Analyse dreimal mit jeweils einer Y-Variablen ausführen, sehen Sie unterschiedliche VIP-Werte für jede X-Variable.
