米歇尔·加洛 成分数据的判别偏最小二乘分析。 (英语) Zbl 07256814号 统计模型。 10,第1期,41-56(2010). 摘要:组成数据通常存在于许多学科中。然而,它常常被不恰当地纳入统计建模中,并且对结果给出了误导性的解释。本文解释了当需要对原始变量进行降维时,偏最小二乘判别法是一种适用于成分数据的充分技术,目的是确定对观测值之间的判别影响更大的变量。 引用于5文件 MSC公司: 62至XX 统计学 关键词:艾奇逊距离;成分观测;判别分析;对数对比度;偏最小二乘法 PDF格式BibTeX公司 XML格式引用 \textit{M.Gallo},统计模型。10,编号1,41-56(2010;Zbl 07256814) 全文: 内政部 参考文献: [1] Aitchison J(1982)成分数据的统计分析(含讨论)。统计方法,44,139-77·Zbl 0491.62017号 [2] Aitchison J(1986)成分数据的统计分析。伦敦:查普曼和霍尔·Zbl 0688.62004号 ·doi:10.1007/978-94-009-4109-0 [3] Aitchison J(1992)《关于成分差异度量的标准》。数学地质学,22223-26·兹比尔0970.86531 [4] Aitchison J和Greenacre M(2002)成分数据的双点图。应用统计学,51,375-92·Zbl 1111.62300号 [5] Barceló-Vidal C、Martín-Fernández JA和Pawlowsky Glahn V(2001)成分数据分析的数学基础。在Ross G编辑的IAMG’01会议记录中——国际数学地质学协会第六届年会。电子出版物·Zbl 1052.62531号 [6] Barker M和Rayens W(2003),歧视的偏最小二乘法。化学计量学杂志,17,166-73。 ·doi:10.1002/cem.785 [7] Baxter MJ(1995)《主成分分析的标准化和转换及其在考古测量中的应用》。应用统计学,44,513-27。 ·doi:10.2307/2986142 [8] de Jong S(1993)SIMPLS:偏最小二乘回归的替代方法。化学计量学和智能实验室系统,33,251-63。 ·doi:10.1016/0169-7439(93)85002-X [9] de Jong S和ter Braak CJF(1994)对PLS内核算法的评论。化学计量学杂志,22,169-74。 ·doi:10.1002/cem.1180080208 [10] Frank I和Friedman J(1993)一些化学计量学回归工具的统计观点。技术计量学,35,109-48·兹比尔0775.62288 ·doi:10.1080/00401706.1993.10485033 [11] Gallo M(2003)《成分数据的偏最小二乘法:基于样条的方法》。意大利应用统计杂志,15,349-58。 [12] Gallo M和Mahdi S(2008年)。成分数据的判别偏最小二乘法:与对数对照主成分分析的比较。2008年MTISD会议记录。决策支持系统的方法、模型和信息技术(Ciavolini等编)LECCE,SIBA,第45-48页。 [13] Hinkle J和Rayens W(1995)《偏最小二乘法和成分数据:问题和替代方法》。化学计量学和智能实验室系统,30,159-72。 ·doi:10.1016/0169-7439(95)00062-3 [14] Martin-Fernandez JA、Barcelo-Vida C和Pawlowsky-Glahn V(1998)《成分数据和层次聚类的差异度量》。IAMG’98年会议记录(Bucánti、G.Nardi和R.Potenza eds)。意大利那不勒斯:德弗雷德编辑,526-31·Zbl 1052.62531号 [15] Mooijart A、Van Der Heijden PGM和Van Der-Ark LA(1999)成分数据混合模型的最小二乘算法。计算统计与数据分析,30,359-79·Zbl 1042.62519号 ·doi:10.1016/S0167-9473(98)00098-X [16] Rayens W(2000)最大化协方差的艺术。肯塔基大学技术报告383。 [17] Tenenhaus M(1998)《回归PLS》。Théorie和pratique。巴黎:Technip出版社·Zbl 0923.62058号 [18] Wold H(1966)用迭代最小二乘法估计主成分和相关模型。在PR Krishnaiaah编辑的多元分析中。纽约:学术出版社,391-420·Zbl 0214.46103号 [19] Wold H(1975)潜在变量软建模:非线性迭代偏最小二乘(NIPALS)方法。为纪念M.S.Bartlett(Gani主编)《概率与统计的观点》。伦敦:学术出版社,117-44·Zbl 0331.62058号 此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。