论文部分内容阅读
偏最小二乘回归(Partial Least Squares,PLS )是一种新型的多元统计分析方法，它是普通最小二乘法(Ordinary Least Squares, OLS )的一种改进。为了解决多元线性回归中自变量之间的多重共线性问题，常用的有三种方法：岭回归、主成分回归和偏最小二乘回归。本文在阅读大量参考文献的基础上，主要是针对线性回归模型中的多重共线性进行讨论。通过理论与实例的研究，总结出三种方法的优缺点，结果表明如果能够使用定性分析和定量分析结合的方法确定一个合适的k值，则岭回归可以很好地消除共线性影响；主成分回归和偏最小二乘回归采用成份提取的方法进行回归建模，由于偏最小二乘回归考虑到与因变量的关系，因而比主成分回归更具优越性。