Pierre Bartel peter.bartell@jmp.com suggère d'utiliser les moindres carrés partiels lorsque les moindres carrés ordinaires (moindres carrés standard dans JMP) ne suffisent pas.
La plate-forme PLS de JMP ajuste des modèles linéaires basés sur des combinaisons linéaires des variables explicatives ( X s). Ces facteurs sont obtenus d'une manière qui tente de maximiser la covariance entre les X s et la réponse ou les réponses ( Oui s). PLS exploite les corrélations entre les X s et le Oui s pour révéler les structures latentes sous-jacentes.
PLS est utile lorsque l'utilisation des moindres carrés ordinaires ne produit pas de résultats satisfaisants, y compris lorsque vous avez plus de variables X que d'observations ; variables X fortement corrélées ; un grand nombre de variables X ; plusieurs variables Y ; et de nombreuses variables X.
JMP Pro fournit des fonctionnalités supplémentaires pour effectuer une analyse discriminante PLS (PLS-DA), inclure une variété d'effets de modèle, utiliser plusieurs méthodes de validation, imputer les données manquantes et obtenir des estimations bootstrap des distributions de diverses statistiques.
EN JMP Pro, PLS est une personnalité Fit Model qui offre des fonctionnalités supplémentaires par rapport à JMP en :
- ajustement des réponses avec un type de données nominal et continu
- ajustement des effets polynomiaux, d'interaction et catégoriels
- offrant un ensemble plus large de méthodes de validation et de validation croisée, y compris une construction d'entraînement/validation/test, Kfold, Leave-One-Out et Holdback %
- imputation des données manquantes
- fournissant des estimations Bootstrap des distributions de statistiques sélectionnées.
