Pedro Bartell peter.bartell@jmp.com sugiere usar Mínimos cuadrados parciales cuando los Mínimos cuadrados ordinarios (Mínimos cuadrados estándar en JMP) no son suficientes.
La plataforma PLS en JMP ajusta modelos lineales basados en combinaciones lineales de las variables explicativas ( X s). Estos factores se obtienen de forma que se intenta maximizar la covarianza entre los X s y la respuesta o respuestas ( Y s). PLS explota las correlaciones entre los X s y el Y s para revelar estructuras latentes subyacentes.
PLS es útil cuando el uso de mínimos cuadrados ordinarios no produce resultados satisfactorios, incluso cuando tiene más variables X que observaciones; variables X altamente correlacionadas; un gran número de variables X; varias variables Y; y muchas variables X.
JMP Pro proporciona funciones adicionales para realizar análisis discriminantes de PLS (PLS-DA), incluir una variedad de efectos de modelo, usar varios métodos de validación, imputar datos faltantes y obtener estimaciones de arranque de las distribuciones de varias estadísticas.
EN JMP Pro, POR FAVOR es una personalidad Fit Model que brinda funcionalidad adicional sobre JMP al:
- ajuste de respuestas con un tipo de datos nominal y continuo
- ajuste polinómico, interacción y efectos categóricos
- ofreciendo un conjunto más grande de métodos de validación y validación cruzada que incluyen una construcción de entrenamiento/validación/prueba, Kfold, Leave-One-Out y% de retención
- imputación de datos faltantes
- proporcionando estimaciones Bootstrap de distribuciones de estadísticas seleccionadas.
