多元方法 > 偏最小二乘模型 > 模型拟合选项
发布日期: 09/18/2023

模型拟合选项

在“偏最小二乘”平台中,“模型拟合”红色小三角菜单包含以下选项:

变异百分比图

添加名为“针对 X 效应解释的变异的百分比”和“针对 Y 效应解释的变异的百分比”的两个图。它们显示堆叠条形图,分别表示针对 XY 的每个提取的因子所解释的变异百分比。

变量重要性图

标绘每个 X 变量的 VIP 值。VIP 得分显示在“变量重要性表”中。请参见变量重要性图

系数-VIP 图

针对模型系数标绘 VIP 统计量。您可以只显示与选定的 Y 对应的那些点。会额外提供标签选项。它们是根据中心化和统一尺度数据以及原始数据绘制的图。请参见系数-VIP 图

设置 VIP 阈值

设置“变量重要性图”、“方差重要性表”和“系数-VIP 图”的阈值水平。

系数图

针对 X 变量上的每个响应标绘模型系数。您可以只显示与选定的 Y 对应的那些点。它们是根据中心化和统一尺度数据以及原始数据绘制的图。

载荷图

对每个提取的因子标绘 X 和 Y 载荷。它们是针对 XY 单独绘制的图。

载荷散点图矩阵

显示 X 载荷和 Y 载荷的散点图矩阵。

载荷相关图

显示叠加在同一个图上的 X 和 Y 载荷的单个散点图或散点图矩阵。选择该选项时,您需要指定要标绘多少个因子。

若您指定两个因子,则显示单个载荷相关散点图。在图下面选择用于定义轴的两个因子。点击右箭头按钮可接连在图上显示因子的每种组合。

若您指定两个以上的因子,则显示一个散点图矩阵,每个矩阵单元内显示一对因子的散点图,显示的因子数由您选择的数目决定。

在这两种情况下,使用复选框来控制标签。

X-Y 得分图

包含以下选项:

拟合线

在“X-Y 得分图”上显示或隐藏穿过数据点的拟合线。

显示置信带

在“X-Y 得分图”上显示或隐藏拟合线的 95% 置信带。

得分散点图矩阵

显示 X 得分和 Y 得分的散点图矩阵。每个 X 得分散点图显示 95% 置信椭圆,该椭圆可用于离群值检测。有关置信椭圆的统计详细信息,请参见X 得分散点图矩阵的置信椭圆的统计详细信息

距离图

显示以下距离的图:

每个观测到 X 模型的距离

每个观测到 Y 模型的距离

到 X 模型的距离与到 Y 模型的距离的散点图

在拟合效果好的模型中,X 和 Y 距离均很小,因此点接近原点 (0,0)。使用这些图可以查找相对 X 或 Y 的离群值。若一组点聚类在一起,则它们可能有共同的特性,可以单独分析。在使用验证集或验证集和测试集时,将为它们和训练集分别提供不同的报表。

T 方图

显示每个观测的 T2 统计量以及控制限的图。基于观测在提取因子上的得分计算观测的 T2 统计量。有关 T2 和控制限计算的详细信息,请参见T2 图的统计详细信息

诊断图

显示诊断图以评估模型拟合效果。提供四种图:“预测值-实际值”图、“预测值-残差”图、“行号-残差”图和“残差正态分位数图”。这些图提供给每个响应。在使用验证集或验证集和测试集时,将为它们和训练集分别提供不同的报表。

刻画器

为每个 Y 变量显示一个刻画器。

谱刻画器

显示一个刻画器,其中所有响应变量都显示在图中的第一个单元中。该刻画器对于同时可视化 X 变量的变化对 Y 变量的影响很有用。

保存列

包含用于保存各种公式和结果的选项。

保存预测公式

将新公式列保存到原始数据表中。对于每个 Y 变量,有一个名为预测公式: <响应> 的列,其中包含作为 X 变量的函数的预测公式。

将预测保存为 X 得分公式

将新公式列保存到原始数据表中。对于每个 Y 变量,有一个名为预测公式: <响应> 的列,其中包含作为 X 得分公式的函数的预测公式。每个 X 得分的公式列也保存到数据表中。

保存预测公式的标准误差

将新公式列保存到原始数据表中。对于每个 Y 变量,有一个名为预测值标准误差: <响应> 的列,其中包含作为 X 变量函数的预测均值的标准误差公式。请参见预测和置信限的统计详细信息

保存均值置信限公式

将新公式列保存到原始数据表中。对于每个 Y 变量,都有对应的列,其中包含作为 X 得分公式函数的响应均值的置信下限和置信上限。新列称为 95% 均值下限: <响应>95% 均值上限: <响应>。这些列包含响应均值的 95% 置信限。请参见预测和置信限的统计详细信息

保存单值置信限公式

将新公式列保存到原始数据表中。对于每个 Y 变量,都有对应的列,其中包含作为 X 得分公式函数的单个预测的置信下限和置信上限。新列称为 95% 单值下限: <响应>95% 单值上限: <响应>。这些列包含单值的 95% 预测限。请参见预测和置信限的统计详细信息

保存得分公式

将新公式列保存到原始数据表中。对于每个提取的因子,都有一个名为 X 得分 <N> 公式的列(其中包含 X 得分公式)以及一个名为 Y 得分 <N> 公式的列(其中包含 Y 得分公式)。X 得分公式是 X 变量的函数,Y 得分公式是 X 得分公式的函数。每个 X 得分公式列都具有 MDMCC 列属性,因此该列可以在“模型驱动的多元控制图”(MDMCC) 平台中使用。请参见“模型驱动的多元控制图”。有关公式的信息,请参见偏最小二乘的统计详细信息

保存 Y 预测值

将新列保存到原始数据表中。对于每个 Y 变量,都有一个包含预测分类 Y 值的列。

保存 Y 残差

将新列保存到原始数据表中。对于每个 Y 变量,都有一个包含 Y 残差值的列。

保存 X 预测值

将新列保存到原始数据表中。对于每个 X 变量,都有一个包含预测 X 值的列。

保存 X 残差

将新列保存到原始数据表中。对于每个 X 变量,都有一个包含预测 X 残差值的列。

保存针对 X 效应解释的变异的百分比

将列保存到新数据表中。对于每个 X 变量,都有一列包含所有提取因子解释的变异百分比。

保存针对 Y 响应解释的变异的百分比

将列保存到新数据表中。对于每个 Y 变量,都有一列包含所有提取因子解释的变异百分比。

保存得分

将新列保存到原始数据表中。对于每个提取的因子,都有一列包含 X 得分,一列包含 Y 得分。

保存载荷

将列保存到新数据表中。有一个数据表包含 X 变量的载荷,还有一个数据表包含 Y 变量的载荷。

保存标准化得分

将新列保存到原始数据表中。新列包含每个提取因子的 X 和 Y 标准化得分。有关公式的信息,请参见标准化得分和载荷的统计详细信息

保存标准化载荷

将列保存到新数据表中。有一个数据表包含 X 变量的标准化载荷,还有一个数据表包含 Y 变量的标准化载荷。有关公式的信息,请参见标准化得分和载荷的统计详细信息

保存 T 方

将新公式列保存到原始数据表中。新列包含 T2 公式,作为 X 变量的函数。该列中的值还用在 T 方图中。

将 T 方另存为 X 得分公式

将新公式列保存到原始数据表中。新列包含 T2 公式,作为 X 得分公式的函数。

保存距离

将新列保存到原始数据表中。新列包含“到 X 模型的距离”(DModX) 和“到 Y 模型的距离”(DModY) 值。这些是在距离图中使用的值。

将距离另存为 X 得分公式

将新公式列保存到原始数据表中。新列包含“到 X 模型的距离”(DModX) 和“到 Y 模型的距离”(DModY) 公式,作为 X 得分公式的函数。

保存 X 权重

将列保存到新数据表中。对于每个提取的因子,有一列包含 X 变量的权重。

Image shown here保存验证

将新列保存到原始数据表中。新列包含数字,这些数字指示如何在验证中使用每个观测。对于“保留”验证,该列标识行是用于训练还是验证。对于“K 重”验证,该列标识给行分配的子组编号。

Image shown here保存补缺

将列保存到新数据表中。对于每个 X 和 Y 变量,都有一列包含原始数据列,其中的缺失值由其插补值替换。若指定一个验证列,则还包含该验证列。

Image shown here发布预测公式

创建预测公式并将它们保存为“公式存储库”平台中的公式列脚本。若未打开“公式存储库”报表,该选项将创建“公式存储库”报表。请参见《预测和专业建模》中的“公式存储库”

Image shown here发布得分公式

创建 X 和 Y 得分公式并在“公式存储库”平台中将它们保存为公式列脚本。若未打开“公式存储库”报表,该选项将创建“公式存储库”报表。请参见《预测和专业建模》中的“公式存储库”

删除拟合

从主平台报表中删除模型报表。

使用 VIP 生成模型

打开并填充一个启动窗口,其中相应的响应输入为 Y,其 VIP 超过指定阈值的变量输入为 X。执行与“中心化和统一尺度数据的‘系数 - VIP’”报表中的按钮相同的功能。请参见系数-VIP 图

已保存 X 得分的模型驱动的多元控制图

保存每个 X 得分的公式,并启动“模型驱动多元控制图”(MDMCC) 启动窗口。在 MDMCC 启动窗口中,得分公式作为过程列分配。在点击“确定”之前,可以添加或删除过程、添加时间 ID 或设置历史数据的结束位置。请参见《质量和过程方法》中的“模型驱动的多元控制图”

预测值的刻画器

启动“刻画器”启动窗口。在“刻画器”启动窗口中,预测公式是针对指定模型拟合的每个变量的预测公式。您可以在点击“确定”之前添加噪声因子或其他预测公式。请参见《刻画器指南》中的“刻画器”

需要更多信息?有问题?从 JMP 用户社区得到解答 (community.jmp.com).