| 本帖最后由 有福有德 于 2012-1-31 16:33 编辑
偏最小二乘法(Partial Leasr Square) 通过最小化误差平方来寻找数据与函数间的最佳匹配，是一种参数估计方法，一般估计步骤包括： 首先将解释变量和被解释变量标准化，并提取解释变量和被解释变量的主成分，例如提取解释变量的主成分，要求与被解释变量高度相关，这个过程体现了典型相关和主成分分析的思想。其次做解释变量和被解释变量在主成分上的回归，可以分别得到残差，这个还是OLS的思想。最后，按以上的步骤循环下去，直到新的主成分系数不再显著。 其实PLS仍然是OLS的一种扩展，目前在解决多重共线性问题领域的研究很成熟。一般认为比岭回归、主成分分析等方法在解决多重共线性问题上更为有效。 此外，PLS与结构方程（SEM）在应用上相得益彰，我们知道SEM是大样本理论的产物，因此其应用受到诸多限制，尤其在小样本下，该模型几乎无法应用，而PLS恰好可以弥补这方面的缺陷。研究结论认为PLS在非正态分布、小样本、共线性的情况下，仍然很稳定。 我用SAS软件,其他不太清楚，请参考http://bbs.pinggu.org/thread-829353-1-1.html
| 
