解釋二元分類變量的 PLS 回歸係數我使用具有偏最小二乘特性的擬合模型來創建連續因變量的模型。 解釋變量包括幾個連續變量和一個具有兩個選項 A 或 B 的分類變量。 我知道選項 A 和 B 被視為單獨的虛擬變量。 當我運行擬合時，選項 A 的回歸係數約為 -0.4，選項 B 的回歸係數是類似的值。 怎麼會這樣？ 我假設選項 A 的係數是相對於選項 B 確定的，並且預計這兩個係數至少是不同的。
回复：解釋二元分類變量的 PLS 回歸係數我不知道。 也許另一位成員有答案。
否則，請聯繫 JMP 技術支持（ support@jmp.com ）。 如果您確實尋求他們的幫助，請回复他們的答案。
回复：解釋二元分類變量的 PLS 回歸係數嗨，馬克，感謝您的回复。 我的兩級預測器實際上有係數 -0.3160 和 -0.2881。 我對數據進行了居中和縮放，並仔細檢查了整個數據集中該預測變量只有兩個級別。
回复：解釋二元分類變量的 PLS 回歸係數JMP 中線性預測變量的參數化使得分類項的係數之和必須為零。 以下是使用 Fitness 數據集的 PLS 回歸示例。 因變量是氧。 請注意，兩級預測變量 Sex 的係數大小相等但符號相反。
這是你在你的案例中看到的嗎？
