Coeficientes VIP de mínimos cuadrados parciales en JMP proHola,
Estoy luchando por entender la diferencia entre NIPALS y SIMPLS, y por qué esos dos me dan un coeficiente VIP tan bajo para mi Y con el mismo conjunto de X (tengo 1000 de ellos). Tengo 3 niveles dentro de X: esperaba diferentes coeficientes de correlación para los 3, pero están muy cerca uno del otro. ¿Estoy usando PLS correctamente?
Re: Coeficientes VIP de mínimos cuadrados parciales en JMP proPor supuesto, obtendrá diferentes resultados de la variable predictor mediante el uso de PLS en serie, una vez para cada respuesta por sí sola, en comparación con el uso de PLS que incorpora todas las respuestas simultáneamente. Una de las características únicas y valiosas del enfoque PLS es aprovechar las estructuras de correlación / covarianza entre AMBAS y las variables x e y para aquellas situaciones en las que el uso de otros métodos basados en la regresión es problemático. Una de las atracciones básicas de PLS es la reducción de la dimensionalidad, de ahí la idea de aprovechar las estructuras latentes que se pueden encontrar con estos métodos. Una gran referencia para PLS es:
https://www.sas.com/store/books/categories/usage-and-reference/discovering-partial-least-squares-with-jmp-/prodBK_65346_en.html
Re: Coeficientes VIP de mínimos cuadrados parciales en JMP proAquí está prediciendo todas las variables Y al mismo tiempo, por lo que creo que el VIP está relacionado con la importancia de predecir todas y cada una de las variables X e Y. Si ejecuta el análisis tres veces con una variable Y cada vez, verá diferentes valores VIP para cada variable X.
