寻找响应之间的相关性你好，
有没有一种方法可以让我们确定两个响应之间的相关性？假设我有 5 个因素 A、B、C、D 和 E。 我得到的答案是 X、Y、Z。 最好的分析是什么来表明 X 和 Y 是相关的，只有 X 响应实际上依赖于 5 个因素，而 Y 实际上是 X 的响应。
估计值
伊尔凡
回复：寻找响应之间的相关性
你好，
如果我具有如上所示的相关性，其中 F 是 D 和 E 的响应，但因子 D 实际上是 A 和 B 的响应。 我如何构建 DOE 实验。 这就是我想问的，DOE表是否可以生成这种关系
估计值
伊尔凡
回复：寻找响应之间的相关性你好，
观测序列之间的互相关价值不大。 您应该使用单次预美白来帮助初步识别。 在形成 arima 过滤器之前，请确保考虑到各个 x 中的异常情况
使用预美白
使每个变量平稳，并分别使用每个 x 的滤波器来估计 ccf
此处无需使用 Granger，您正在尝试识别初始模型
创建 arima 过滤器绝对不需要去除趋势，除非需要与 arima 模型配合使用
问候
贾耶什
回复：寻找响应之间的相关性谢谢彼得/马克
回复：寻找响应之间的相关性@albiruni81我一直在旁观这个话题。 我的同事@马克贝利提供了中肯的建议。
有关 PLS 以及预测变量和响应之间的相关性的示例，我建议查看 JMP 示例数据目录中的 Baltic.jmp 数据表。 只需运行数据表中的嵌入脚本即可执行分析。 平台报告中有多种可视化效果，可提供有关 x 和 y 之间相关性的见解。 JMP 文档中还对该特定数据表进行了说明。 您可能还想查看我录制的按需高级母带处理 JMP 活动：
https://www.jmp.com/en_us/events/ondemand/mastering-jmp/partial-least-squares.html
回复：寻找响应之间的相关性嗨马克，
您是否有任何示例来说明 PLS 如何显示预测变量之间的相关性？ 正如您在之前的声明中提到的，在没有附加信息的情况下，知道哪个响应是实际响应，需要哪些附加信息来确定这一点？
估计值
伊尔凡
回复：寻找响应之间的相关性似乎一种简单的方法是使用双变量平台对 X 进行 Y 的简单线性回归。 如果建立了高相关性，那么 Y 本质上是多余的。 此分析无法确定 X 或 Y 是否是响应。 任何一个都可能是回应。 因此，在没有额外信息的情况下，该决定是任意的。
更复杂的方法是 (A,B,C,D,E) 上的 (X,Y,Z) 的偏最小二乘。 PLS 可以告诉您因素之间、预测变量之间以及因素与预测变量之间的相关性。 PLS 可以表明 X 和 Y 是否相关，以及它们是否以相同的方式与因素相关。
