Pietro Bartelli peter.bartell@jmp.com suggerisce di utilizzare i minimi quadrati parziali quando i minimi quadrati ordinari (minimi quadrati standard in JMP) non sono sufficienti.
La piattaforma PLS in JMP si adatta a modelli lineari basati su combinazioni lineari delle variabili esplicative ( X S). Questi fattori sono ottenuti in un modo che tenta di massimizzare la covarianza tra i X se la risposta o le risposte ( Y S). PLS sfrutta le correlazioni tra il X se il Y s per rivelare le strutture latenti sottostanti.
PLS è utile quando l'uso dei minimi quadrati ordinari non produce risultati soddisfacenti anche quando si hanno più variabili X che osservazioni; variabili X altamente correlate; un gran numero di variabili X; diverse variabili Y; e molte variabili X.
JMP Pro fornisce funzionalità aggiuntive per condurre l'analisi discriminante PLS (PLS-DA), includere una varietà di effetti del modello, utilizzare diversi metodi di convalida, imputare i dati mancanti e ottenere stime bootstrap delle distribuzioni di varie statistiche.
IN JMP Pro, PLS è una personalità Fit Model che offre funzionalità aggiuntive rispetto a JMP:
- adattare le risposte con un tipo di dati nominale e continuo
- adattamento di effetti polinomiali, di interazione e categoriali
- offrendo un insieme più ampio di metodi di convalida e convalida incrociata tra cui un costrutto treno/convalida/test, Kfold, Leave-One-Out e Holdback %
- imputando i dati mancanti
- fornendo stime Bootstrap delle distribuzioni di statistiche selezionate.
