多重响应和多重预测你好
我想知道哪种技术是对具有多个响应 Yi 和多个预测变量 X 的一组数据进行建模的最佳技术。
我尝试了拟合模型选项，但结果不太好。
通过使用 PCA，我能够将 Y 响应从 ~50 减少到 ~10。 仍然是一个很高的数字。
参考值。菲利斯. 。
回复：多重响应和多重预测如果您想同时而不是单独对所有响应进行建模，请考虑使用 PLS 或神经网络。 如果您想要对个体响应进行建模，那么您可以首先使用分析 > 筛选 > 响应筛选和预测因子筛选来探索可能的关系。
回复：多重响应和多重预测你好，马克，感谢您的意见。
对于 PCA，我指的是 Y 响应，而不是预测变量 X。
一般来说，我更喜欢在响应较少的情况下工作，因此我说 10 对我来说仍然很大。
我正在使用生产数据构建解释模型。 换句话说，我想检查 X 预测变量和多重响应 Y 之间是否存在任何关系。
关于拟合模型，我说结果不好，因为 Rsquare (<5%) 低且 pval (0.18) 高。
我正在尝试对所有响应进行建模。 他们没有共线性。
您是否建议运行与响应 Y 一样多的模型？
菲利斯
回复：多重响应和多重预测您似乎在问两个问题：建模技术和降维。 对我来说，PCA 结果似乎没有太多预测因素。 为什么 ~10 仍然太大？
对于这种情况有许多建模技术。 您正在构建解释模型还是预测模型？ 前者是关于估计和测试参数，例如设计实验。 后者是关于估计响应，如机器学习和人工智能。
当你说“我尝试了拟合模型选项，但结果不太好。 ” 你在期待什么？ 为什么你感到失望？ 还缺少什么？
您是否正在尝试独立地对多个响应进行建模？ 也就是说，每个响应都使用自己的模型进行建模。 如果不是，响应之间有何关联？
