多重響應和多重預測你好
我想知道哪種技術是對具有多個響應 Yi 和多個預測變量 X 的一組數據進行建模的最佳技術。
我嘗試了擬合模型選項，但結果不太好。
通過使用 PCA，我能夠將 Y 響應從 ~50 減少到 ~10。 仍然是一個很高的數字。
參考值。菲利斯. 。
回复：多重響應和多重預測如果您想同時而不是單獨對所有響應進行建模，請考慮使用 PLS 或神經網絡。 如果您想要對個體響應進行建模，那麼您可以首先使用分析 > 篩選 > 響應篩选和預測因子篩選來探索可能的關係。
回复：多重響應和多重預測你好，馬克，感謝您的意見。
對於 PCA，我指的是 Y 響應，而不是預測變量 X。
一般來說，我更喜歡在響應較少的情況下工作，因此我說 10 對我來說仍然很大。
我正在使用生產數據構建一個解釋模型。 換句話說，我想檢查 X 預測變量和多重響應 Y 之間是否存在任何關係。
關於擬合模型，我說結果不好，因為 Rsquare (<5%) 低且 pval (0.18) 高。
我正在嘗試對所有響應進行建模。 他們沒有共線性。
您是否建議運行與響應 Y 一樣多的模型？
菲利斯
回复：多重響應和多重預測您似乎在問兩個問題：建模技術和降維。 對我來說，PCA 結果似乎沒有太多預測因素。 為什麼 ~10 仍然太大？
對於這種情況有許多建模技術。 您正在構建解釋模型還是預測模型？ 前者是關於估計和測試參數，例如設計實驗。 後者是關於估計響應，如機器學習和人工智能。
當你說“我嘗試了擬合模型選項，但結果不太好。 ” 你在期待什麼？ 為什麼你感到失望？ 還缺少什麼？
您是否正在嘗試獨立地對多個響應進行建模？ 也就是說，每個響應都使用自己的模型進行建模。 如果不是，響應之間有何關聯？
