多変量分析 > PLS回帰
公開日: 11/25/2021

PLS回帰

多重共線性がある場合の予測モデル

「PLS回帰」プラットフォームは、説明変数(X)の線形結合からなる因子に基づいて応答変数(Y)を予測する線形モデルを構築します。PLS回帰における因子は、Xの線形結合とYの線形結合との共分散が最大になるようなものです。PLS回帰は、XYの関係を調べ、潜在的な因子を抽出します。

Image shown hereJMP Proは、さらに多くの機能を備えています。JMP Proでは、PLS判別分析(PLS-DA)を行ったり、さまざまなモデル効果を含めたり、複数の検証法を使用したり、欠測データを補完したり、各種統計量に対してブートストラップ推定を行ったりできます。

PLS回帰は、通常の最小2乗法が失敗するような次のような場面で利用することが考えられます。X変数の個数がデータの行数よりも多い場合、X変数の間に高い相関がある場合、X変数の個数が多い場合、および、Y変数の個数が多い場合などです。

図6.1 「PLS回帰」レポートの一部 

A Portion of a Partial Least Squares Report

目次

「PLS回帰」プラットフォームの概要

PLS回帰の例

「PLS回帰」プラットフォームの起動

中心化と尺度化
Xの標準化

「モデルの設定」パネル

PLS回帰のオプション

「PLS回帰」レポート

モデル比較の要約
交差検証のレポート
モデルのあてはめレポート

あてはめたモデルに対するオプション

変数重要度のプロット
変数重要度 vs 係数プロット
列の保存

PLS回帰の別例

「PLS回帰」プラットフォームの統計的詳細

PLS
van der Voet のT2
T2プロット
Xスコア散布図行列の信頼楕円
予測値の標準誤差と信頼区間
標準化したスコアと負荷量
PLS判別分析(PLS-DA)
より詳細な情報が必要な場合や、質問があるときは、JMPユーザーコミュニティで答えを見つけましょう (community.jmp.com).