偏最小二乘回归分析中若干问题的研究

《偏最小二乘回归分析中若干问题的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：0212密级：公开UDC：单位代码：10424学位论文偏最小二乘回归分析中若干问题的研究许凤华申请学位级别：硕士学位专业名称：运筹学与控制论指导教师姓名：李述山职称：教授山东科技大学二零零六年五月论文题目：偏最小二乘回归分析中若干问题的研究作者姓名：许凤华入学时间：2003年9月专业名称：运筹学与控制论研究方向：预决策理论及应用指导教师：李述山职称：教授论文提交日期：2006年5月论文答辩日期：2006年6月授予学位日期：THESTUDYOFSOMEPROBLEMSINPARTIALLEASTSQUARESREGRESSIONADis

2、sertationsubmittedinfulfillmentoftherequirementsofthedegreeofMASTEROFSCIENCEfromShanDongUniversityofScienceandTechnologybyXuFenghuaSupervisor:ProfessorLiShushanCollegeofInformationScienceandEngineeringMay2006声明本人呈交给山东科技大学的这篇硕士学位论文，除了所列参考文献和世所公认的文献外，全部是本人在导师指导下的研究成果。该论文资料尚没有

3、呈交于其它任何学术机关作鉴定。硕士生签名：日期：AFFIRMATIONIdeclarethatthisdissertation,submittedinfulfillmentoftherequirementsfortheawardofMasterofScienceinShandongUniversityofScienceandTechnology,iswhollymyownworkunlessreferencedofacknowledge.Thedocumenthasnotbeensubmittedforqualificationatanyot

4、heracademicinstitute.Signature:Date:山东科技大学硕士学位论文摘要摘要偏最小二乘回归分析(partialleastsquaresregression简记为PLS)是一种新型的多元统计数据分析方法，它最早产生于化学领域。PLS的一个突出特点是将多元线性回归分析、变量的主成分分析和变量间的典型相关分析有机地结合起来，在一个算法下，同时实现了回归建模、数据结构简化和两组变量间的相关分析，给多元数据分析带来极大的便利。PLS在处理样本容量小、自变量多、变量间存在严重多重相关性问题方面具有独特的优势。但是，由于偏最小二

5、乘回归模型最终可以表示为原有所有变量的回归方程。偏最小二乘回归方法所选择的主成分仍包含所有变量，没有完全解决变量间存在的严重多重相关性，特别是在自变量个数多、样本容量小的情况下。本文则给出了几类改进的偏最小二乘回归方法，并通过实例说明了改进的方法在预测精度方面的优越性本文分为四部分。第一章绪论，介绍了PLS的发展背景及近几年对PLS改进的研究情况。第二章讨论了通过加权的方法对普通PLS进行改进，并通过实例分析说明了改进的PLS方法可以提高模型的预测精度。第三章则根据双重筛选变量选择方法对多因变量的偏最小二乘回归方法进行了改进，并通过实例分析说

6、明了改进的方法可以提高模型的预测精度。第四章讨论了加权平均偏最小二乘回归方法的改进。关键词：多元回归分析，偏最小二乘回归分析，逐步回归，双重筛选，加权平均偏最小二乘回归分析，预测精度1山东科技大学硕士学位论文ABSTRACTABSTRACTPartialleastsquaresregression(PLS)isanewmultiplestatisticdataanalyticalmethod,itisproducedfromchemistryfield.TheoutstandingcharacteristicofPLSisthatitcanm

7、akethemultiplelinearregressionanalysis,theprincipalcomponentsanalysisandthecanonicalcorrelationanalysiscombined.Inthesamearithmetic,itcanimplementmodeling,predigestingthedatastructureandanalyzingofthecorrelationbetweentwogropesofvariablesatthesametime.Itbringshugeadvantaget

8、othemultiplelinearregressionanalysis.PLShasparticularpredominancewhendealwiththepr