需要多變量回歸的幫助<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />因此，我有一個涵蓋42種不同元素的大量化驗數據集。 每種測定的濃度和比例隨著每種礦物質的量和每種礦物質（可變）化學性質而變化。 我試圖通過其餘元素的變化來預測其中一個元素。 我的直覺說，其中只有少數確實有任何影響，而且某些元素相對於其他元素比例的比例可能是我問題的關鍵。 我已經完成了腦死亡散點圖矩陣，看看是否有任何明顯的線性回歸可以從數據中提取出來。 一些非常弱的人在那裡，但仍然主要是霰彈槍模式，我應用一廂情願的想法。
所以，我正在尋找的只是建議您最好確定哪種統計分析，以確定哪些元素影響最大的簡化列表。 從那裡我可以使用隨機比率。 我猜我會以某種方式進行某種多維多變量分析，如MDA，集群或主成分類型分析？您可以提供的任何建議都將是最有幫助的。
回复：需要多變量回歸的幫助到目前為止，我認為你的思路正確。其他三個想法：
1。如果你正在運行JMP Pro，我肯定會看一下廣義回歸平台和Ridge，Lasso和Elastic Net的懲罰回歸方法。這些方法在變量識別和模型選擇方面非常有效。
2。或嘗試偏最小二乘法。可以有效地進行變量識別，降維和模型選擇。JMP Pro中的PLS部署比JMP中的PLS部署要豐富得多，例如模型規範，交叉驗證等。
兩個平台都有通常的分析器，模擬器等。許多人認為有用的是評估模型和實際使用它。
3。此外，如果您有JMP Pro，請不要忘記模型比較平台。許多人發現這是一個有用的“一站式購物中心”，可以同時評估多個模型。
