Usa ripetutamente "Crea modello usando VIP" in PLS?<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Ciao!
Mi chiedo se è statisticamente corretto ripetere il passaggio "Fai il modello usando VIP" per costruire un modello PLS?
Suppongo di avere 30 variabili nel mio modello originale e 15 di esse risultano essere al di sopra della linea di cinta, quindi seleziono "Crea modello usando VIP" e ottengo un nuovo modello con i 15 che erano sopra la linea. Inoltre, nel mio nuovo modello, ci sono 12 che sono sopra la linea e 3 che sono sotto. Posso ripetere il "Make model ..." .- passo finché non ho un modello con solo valori VIP sopra la soglia o posso farlo una volta sola?
Sperando in una risposta veloce,
Sebastian Olofsson
Ri: usa ripetutamente "Crea modello usando VIP" in PLS?La mia intuizione mi dice di montare ripetutamente un modello con una collezione più piccola di variabili predittive per ogni tipo di sconfitte di iterazione lo scopo dell'idea generale di PLS di utilizzare TUTTE le variabili presenti in un sistema per creare un insieme più piccolo di variabili latenti in quanto presentate un "nuovo" insieme di variabili originali ogni iterazione e, a sua volta, con una nuova struttura di correlazione da cui vengono costruite le variabili latenti. Quindi immagino che non sorprenda che otterrai risultati VIP diversi. Sono d'accordo con tutto ciò che Phil Kay ha contribuito. Una cosa che aggiungerò è come cambiano i tuoi residui dall'iterazione all'iterazione? Se non ci sono cambiamenti pratici nei residui allora credo che sarei incline a fermare il processo iterativo.
Ri: usa ripetutamente "Crea modello usando VIP" in PLS?Ciao,
Non so sulla validità statistica. La soglia dello 0,8 è in realtà solo una "regola empirica", come ho capito. Certamente puoi ripetere questa procedura. La domanda è: come riduce il potere predittivo del modello. Se il modello con solo 12 variabili ha un potere predittivo simile, allora perché non usarlo?
Come sempre dipende davvero qual è l'obiettivo? Previsione o spiegazione? L'identificazione delle variabili più importanti è l'obiettivo? Hai bisogno di trovare il modello più semplice?
E ricorda: "tutti i modelli sono sbagliati ..."
Potrebbe anche essere utile vedere se la regressione generalizzata ti porta a un modello utile, con meno lavoro.
