留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

主成分回归的建模策略研究

王惠文 王劼 黄海军

王惠文, 王劼, 黄海军等 . 主成分回归的建模策略研究[J]. 北京航空航天大学学报, 2008, 34(06): 661-664.
引用本文: 王惠文, 王劼, 黄海军等 . 主成分回归的建模策略研究[J]. 北京航空航天大学学报, 2008, 34(06): 661-664.
Wang Huiwen, Wang Jie, Huang Haijunet al. Modeling strategy of principle component regression[J]. Journal of Beijing University of Aeronautics and Astronautics, 2008, 34(06): 661-664. (in Chinese)
Citation: Wang Huiwen, Wang Jie, Huang Haijunet al. Modeling strategy of principle component regression[J]. Journal of Beijing University of Aeronautics and Astronautics, 2008, 34(06): 661-664. (in Chinese)

主成分回归的建模策略研究

基金项目: 国家自然科学基金资助项目(70371007,70521001,70531010); 北京市自然科学基金资助项目(9052006)
详细信息
    作者简介:

    王惠文(1957-),女,辽宁大连人,教授,wanghw@vip.sina.com.

  • 中图分类号: C 931.1

Modeling strategy of principle component regression

  • 摘要: 分析了国际上通用的主成分回归的工作原理和失效原因.在此基础上,提出一种新的主成分回归建模策略:①提取所有主成分建立模型;②删除模型中t检验不显著的成分;③用t检验显著的成分建立最终需要的模型.由于任一主成分的回归系数和t检验值以及与其余主成分无关.因此,当采用向后删除变量法时,如果有多个成分t检验不显著,则可以将它们同时删除,而无须逐个删除.采用仿真案例对所提出的方法的合理性进行验证.这种新的建模策略可以有效地提取对因变量有较强解释作用的成分,实现在自变量多重相关条件下的回归建模,并且允许在模型中包含所有的原始变量.此外,该方法的成分筛选过程简便,累计计算误差小于偏最小二乘回归等迭代算法.

     

  • [1] Hoerl A E, Kennard R W. Ridge regression:biased estimation for non-orthogonal problems[J]. Teehno Metrics, 1970, 12:55-68 [2] Hoerl A E, Kennard R W. Ridge regression:application for non-orthogonal problems[J]. Teehno Metrics, 1970, 12:69-72 [3] Wold S, Albano C, Dunn M, et al. Pattern regression finding and using regularities in multivariate data[M]. London:Analysis Applied Science Publication, 1983 [4] Wold S, Martens H, Wold H. The multivariate calibration problem in chemistry solved by the PLS method Ruhe A, K gstr m B. Proc Conf Matrix Pencils Lectures Notes in Mathematics. Heidelberg:Springer-Verlag, 1983 [5] Tenenhaus M, L-approche P L S. Revue de Statistique Appliqu e[M]. Paris :Springer-Verlag,1999 [6] Kutner, Nachtsheim, Neter. Applied linear regression models[M]. Fourth Edition. New York:McGraw-Hill,2005 [7] 王惠文.PLSR方法及其应用[M].北京:国防工业出版社,1999 Wang Huiwen. Partial least-squares regression method and application [M]. Beijing:National Defence Industry Press,1999(in Chinese) [8] Ergon R. Reduced PCR/PLSR models by subspace projections[J]. Chemometrics and Intelligent Laboratory Systems, 2006, 81:68-73 [9] Bjrn-Helge M,Henrik R C. Mean squared error of prediction (MSEP) estimates for principal component regression (PCR) and partial least squares regression (PLSR) [J].Journol of Chemometrics, 2004, 18:422-429 [10] Ergon R. Constrained numerical optimization of PCR/PLSR predictors [J]. Chemometrics and Intelligent Laboratory Systems, 2003, 65:293-303 [11] 任若恩,王惠文.多元统计数据分析——理论、方法、实例[M]. 北京:国防工业出版社, 1997 Ren Ruoen, Wang Huiwen. Statistical analysis on multivariate data-theories, methods, case studies[M]. Beijing:National Defence Industry Press, 1997(in Chinese)
  • 加载中
计量
  • 文章访问数:  11985
  • HTML全文浏览量:  164
  • PDF下载量:  3956
  • 被引次数: 0
出版历程
  • 收稿日期:  2007-05-15
  • 网络出版日期:  2008-06-30

目录

    /

    返回文章
    返回
    常见问答