PLS Regression Rechner
Beispieldaten KörperfettBerechne eine partielle Kleinste-Quadrate-Regression (PLS) online: Kopiere deine Daten einfach in die obere Tabelle, wähle eine metrische abhängige Variable und eine oder mehrere unabhängige Variablen aus und wähle "Partial least squares" als Rechenmethode.
PLS-Regression
Die partielle Kleinste-Quadrate-Regression (PLS) ist eine Variante der linearen Regression, die die unabhängigen Variablen zunächst zu wenigen Komponenten verdichtet und die abhängige Variable dann aus diesen Komponenten vorhersagt. Die Komponenten werden so gewählt, dass sie möglichst viel von der Kovarianz zwischen den unabhängigen Variablen und der abhängigen Variable erfassen.
Die PLS-Regression ist besonders nützlich, wenn die unabhängigen Variablen stark miteinander korreliert sind (Multikollinearität) oder wenn es im Verhältnis zur Anzahl der Fälle viele Prädiktoren gibt, also in Situationen, in denen die gewöhnliche Kleinste-Quadrate-Regression instabil wird oder gar nicht berechnet werden kann.
Anzahl der Komponenten
Die zentrale Einstellung einer PLS-Regression ist die Anzahl der Komponenten. Der Rechner schlägt die Anzahl der Komponenten mit dem kleinsten Vorhersagefehler vor, bestimmt über eine 10-fache Kreuzvalidierung, und du kannst diesen Wert jederzeit anpassen, um einfachere oder komplexere Modelle zu betrachten.
Ergebnisse
Neben der Modellzusammenfassung und den Regressionskoeffizienten gibt der Rechner die erklärte Varianz in X und Y je Komponente, die VIP-Werte (Variable Importance in Projection) sowie die Gewichte und Ladungen jeder Komponente aus. Prädiktoren mit einem VIP-Wert über 1 gelten üblicherweise als wichtig für das Modell.