概述 (PLS 命令)

PLS 过程估算偏最小二乘回归模型。 偏最小二乘是一种预测技术，它是普通最小二乘 (OLS) 回归，典型相关性或结构方程建模的替代方法，用于分析独立变量和响应变量的系统。 当预测变量高度相关或预测变量数超过个案数时，它特别有用。

PLS 结合了主成分分析和多重回归的特征。 它首先抽取一组潜在因子，以尽可能多地解释自变量与因变量之间的协方差。 然后，回归步骤使用自变量分解来预测因变量的值。

偏最小二乘回归也称为 "对拉丁结构的预测"。

选项

响应变量。 PLS 估计单变量和多变量模型。 如果指定一个或多个分类因变量，那么将估算分类模型。 如果指定一个或多个刻度因变量，那么将估算回归模型。 支持混合回归和分类模型。

预测变量。 预测变量可以是分类变量或连续变量。 可以估算主效应和交互项。

方法。 您可以指定要抽取的潜在因子的最大数量。 缺省情况下，将抽取五个潜在因子。

导出。 您可以将个案，因子和预测模型结果保存到 IBM® SPSS® Statistics 数据集。

基本规范

• PLS 是扩展命令，在您使用 EXTENSION 命令将 PLS 添加到命令表之前，系统将无法识别该命令。 PLS 的语法图在 plscommand.xml中定义，该语法图安装在主安装目录的 \extensions 子目录中。 请参阅主题 EXTENSION 以获取更多信息。
• 最小规范是一个或多个因变量以及一个或多个预测变量。
• 该过程显示下表: 解释的方差比例 (按潜在因子) ，潜在因子权重，潜在因子载荷，投影中的自变量重要性 (VIP) 和回归参数估计值 (按因变量)。

操作

• 所有模型变量均被居中和标准化，包括表示类别变量的指示符变量。
• 如果指定了 WEIGHT 变量，那么其值将用作频率权重。 权重值在使用前四舍五入为最接近的整数。 在分析中不使用缺失权重或权重小于 0.5 的个案。
• 用户和系统缺失值视为无效。
• 通过 SET WORKSPACE 分配的内存不可用于扩展命令; 在大型数据集上运行 PLS 时，实际上可以 降低 工作空间的大小。

语法规则

• PLS 命令是必需的。 所有子命令都是可选的。
• 只允许每个子命令的单个实例。
• 如果在子命令中多次指定了属性或关键字，那么会发生错误。
• 语法图表中显示的等号和括号是必需的。
• 子命令名称和关键字必须拼写完整。
• 不允许使用空子命令。