Übersicht über Regression der partiellen kleinsten Quadrate

Verwenden Sie Regression der partiellen kleinsten Quadrate (PLS), um die Beziehung zwischen einer Gruppe von Prädiktoren und einer oder mehreren stetigen Antwortvariablen zu beschreiben. Verwenden Sie PLS, wenn hochgradig kollineare Prädiktoren vorliegen oder mehr Prädiktoren als Beobachtungen vorhanden sind. PLS ist auch geeignet, wenn die Prädiktoren nicht fest sind und mit Fehlern gemessen werden. Mit PLS werden die Prädiktoren auf eine kleinere Gruppe von unkorrelierten Komponenten reduziert, und es wird eine Regression der kleinsten Quadrate für diese Komponenten anstelle der ursprünglichen Daten durchgeführt. Weitere Informationen finden Sie unter Was ist die Regression der partiellen kleinsten Quadrate?.

Wenn Sie die Analyse mit korrelierten Antwortvariablen durchführen, kann PLS multivariate Antwortmuster und schwächere Beziehungen erkennen, als dies bei einer separaten Analyse für jede Antwortvariable möglich wäre.

Ein Unternehmen im Bereich der chemischen Spektrografie verwendet die PLS beispielsweise zum Modellieren der Beziehung zwischen Spektralmessungen (NIR, IR, UV), da diese Modelle viele Variablen enthalten, die miteinander korreliert sind.

Wo finde ich diese Analyse?

Um eine Regression der partiellen kleinsten Quadrate durchzuführen, wählen Sie Statistik > Regression > Partielle kleinste Quadrate aus.

In welchen Fällen bietet sich eine andere Analyse an?

Wenn die Prädiktoren fest sind und keine wesentlichen Messfehler enthalten, oder wenn die Prädiktoren nicht stark kollinear sind und die Daten mehr Beobachtungen als die Anzahl der Terme enthalten, verwenden Sie Regressionsmodell anpassen.

Durch Ihre Nutzung dieser Website stimmen Sie zu, dass Cookies verwendet werden. Cookies dienen zu Analysezwecken und zum Bereitstellen personalisierter Inhalte.  Lesen Sie unsere Richtlinien