Bunlar üç farklı yöntemdir ve hiçbiri bir diğerinin özel durumu olarak görülemez.
Biçimsel olarak, eğer ve Y'nin ortalanır belirleyicisi ( n x s ) ve cevap ( n x Q ) veri setleri ve eksenlerin birinci çifti için bir nokta ise ağırlık ∈ R p için X ve v ∈ R q için Y daha sonra, bu yöntemler aşağıdaki miktarları en üst düzeye çıkarın:XYn×pn×qw∈RpXv∈RqY
PCA:RRR:PLS:CCA:Var(Xw)Var(Xw)⋅Corr2(Xw,Yv)⋅Var(Yv)Var(Xw)⋅Corr2(Xw,Yv)⋅Var(Yv)=Cov2(Xw,Yv)Var(Xw)⋅Corr2(Xw,Yv)
(Bu listeye kanonik korelasyon analizi (CCA) ekledim.)
Bu karışıklığın SAS'ta olabileceğinden şüpheleniyorum çünkü SAS'ta her üç yöntem de PROC PLS
farklı parametrelerle aynı fonksiyon üzerinden uygulanıyor gibi görünüyor . Bu nedenle, her üç yöntemin de PLS'nin özel durumları olduğu anlaşılabilir, çünkü SAS işlevi bu şekilde adlandırılır. Ancak bu sadece talihsiz bir adlandırmadır. Gerçekte, PLS, RRR ve PCR, SAS'da bir nedenden ötürü adlandırılan bir işlevde uygulanan üç farklı yöntemdir PLS
.
Bağlandığınız her iki öğretici de bu konuda çok açık. Çalışmadığını her üç yöntemin tanıtımı öğretici devletler hedeflerinin Sayfa 6 ve değil PLS demek Sorunuza iddia ne RRR veya PCR, aksine "olur". Benzer şekilde, SAS dokümantasyonunda formül ve sezgi veren üç yöntemin farklı olduğu açıklanmaktadır:
[P] rincipal bileşenler regresyonu olabildiğince fazla prediktör varyasyonunu açıklayan faktörleri seçer, düşük kademeli regresyon mümkün olduğunca çok tepki varyasyonunu açıklayan faktörleri seçer ve kısmi en küçük kareler iki hedefi dengeler, hem yanıtı hem de prediktör varyasyonunu açıklayan faktörleri arar .
SAS belgelerinde, üç yöntemin farklı çözümler verdiği güzel bir oyuncak örneğini gösteren bir rakam bile var. Bu oyuncak örnekte iki belirleyiciler vardır ve x 2 ve bir yanıt değişkeni Y . Yön X en çok ile ilişkilidir y maksimal varyans yönüne ortogonal olması umulur X . Bu nedenle PC1, birinci RRR eksenine diktir ve PLS ekseni aradaki bir yerdedir.x1x2yXyX
Biri, sırt azaltılmış dereceli regresyon veya RRRR elde ederek RRR kayıp fonksiyonuna bir sırt cezası ekleyebilir. Bu, regresyon eksenini, PLS'nin yaptığı gibi biraz PC1 yönüne doğru çekecektir. Bununla birlikte, RRRR'nin maliyet fonksiyonu bir PLS formunda yazılamaz, bu yüzden farklı kalırlar.
y