发布日期: 09/18/2023

贡献的统计详细信息

本节包含“模型驱动的多元控制图”平台中的贡献统计量的计算。

T2

具有 p 个变量和 k 个成分的 PCA 或 PLS 模型的 T2 贡献计算如下:

Equation shown here

其中:

ti = 第 i 个观测的 k 得分的向量

Sk = 历史观测的 k 得分的对角线样本协方差矩阵。对于 PCA 模型,Sk 是对角线特征值矩阵。

sa = Sk 的第 a 个对角线元素

rja = 对于 PCA 模型是第 a 个特征向量的第 j 个元素,对于 PLS 模型则是 Rk 载荷矩阵的第 a 列。Rk 是用于将得分矩阵 Tk 关联到 X 矩阵的矩阵,使得 Tk=XRk

xij = 第 i 个观测的第 j 个变量的值。

注意:最后一个总和中的 p 项数是变量贡献。

每个变量的贡献是其对每个得分的贡献之和,按标准化得分值来加权。若标准化得分值较大,且变量贡献较大,则认为变量对 Equation shown here 的贡献较大。

Equation shown here

变量 j 的贡献比例定义为:

Equation shown here

注意:计算 T2 贡献比例时,JMP 会将负贡献归零。在 PCA 和 PLS 模型中,由于变量在 X 投影时的交互作用,可能会产生负贡献。负贡献清零,以确认表示占总的正贡献较大比例的变量贡献。

有关 PCA 贡献和负贡献的详细信息,请参见 Kourti and MacGregor (1996)。有关 PLS 贡献的详细信息,请参见 Li et al.(2009)。

DModX

对于 PCA 和 PLS 模型,变量 jDModXi 的贡献定义如下:

Equation shown here

请注意,由于

Equation shown here

变量 j 的贡献比例定义为:

Equation shown here

SPE

对于 PCA 和 PLS 模型,变量 jSPEi 的贡献定义如下:

Equation shown here

请注意,由于

Equation shown here

变量 j 的贡献比例定义为:

Equation shown here

得分贡献

得分贡献计算与 T2 贡献相同,但仅针对得分图中选定的维进行计算。

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