1. 引入

1.1. 安装plspm包

plspm 是一个用于执行偏最小二乘路径建模分析的 r 程序包。

在 CRAN 上可以免费下载: Http://cran.r-project.org/web/packages/plspm/index.html.

此后，通过以下代码在r中安装并加载该程序包即可。

install.packages("plspm")
library("plspm")

2. 一些简单概念

2.1. 潜变量和观测变量

不少变量如满意度、成功指数是无法通过观测得到的，我们将之称作潜变量（latent variables）。

但是，我们可以通过观测变量（manifest variables）度量潜变量。

2.2. 形成性指标和反应性指标

若观测变量被认为是由潜变量引起的，即观测变量为潜变量的后果或效果，如进球个数为攻击能力的结果，我们称之为反应性指标（reflective indicators）。

若认为观测变量引起了潜变量，即观测变量为潜变量的原因，如训练小时数为攻击能力的原因，我们称该观测变量为形成性指标（formative indicators）。

2.3. 路径模型

观测变量以矩形形式表示。

潜变量用椭圆形表示。

变量之间的关系用直线箭头表示。

如下：

路径模型由外部模型和内部模型构成。

内部模型反应潜变量之间的关系，如下：

外部模型反应每个潜变量与其观测变量之间的关系，如下：

3. plspm模型

4. 其他

• The Partial Least Squares Approach for Structural Equation Modeling by Wynne Chin. This chapter in the book Modern methods for business research (edited by G. A. Marcoulides), provides an interesting review of the PLS approach from a SEM standpoint. Without heavy mathematical notation and targeted to a business and marketing audience, Chin explains PLS-PM in an approachable way for non-statisticians. Good reading for getting started with PLS-PM.

• A Primer for Soft Modeling by R. Frank Falk and Nancy B. Miller (1992) Published by The University of Akron Press (Ohio), this is a short manuscript that aims to be an introductory level textbook for PLS Path Modeling.

• The Partial Least Squares (PLS) Approach to Causal Modelling: Personal Computer Adoption and Use as an Illustration by Barclay D., Higgins C. and Thompson R. (1995). This paper, in the Special Issue on Research Methodology of Technology Studies (Vol 2, Num 2: 285 - 309), describes an application of PLS-PM on Information Systems without using much mathematical notation. Good introduction if you are afraid of cryptic math equations.

PLS-PM with R 偏最小二乘路径建模 (R语言)相关推荐

r语言pls分析_科学网—R语言统计：偏最小二乘路径模型（plspm） - 涂波的博文...
R包"plspm" 作者:Gaston Sanchez 单位:Berkeley, California. 包使用说明文件:http://www.gastonsanchez.com/ ...
偏最小二乘回归和偏最小二乘路径模型
1. 偏最小二乘回归(Partial least squares regression, PLS回归) 偏最小二乘 (PLS) 回归是将预测变量减少为较小的一组不相关分量并对这些分量(而不是原始数据) ...
R语言实现偏最小二乘分析（PLS)
首先打开Rstudio,点击tools->global options创建工作环境这部分设置工作目录,一般数据和结果就放这里面. a<-read.csv("训练集整合.csv& ...
python pls_【建模应用】PLS偏最小二乘回归原理与应用
1.回归 "回归"一词来源于对父母身高对于子女身高影响的研究.有人对父母的身高与子女身高做统计,发现除了父母高则子女普遍高的常识性结论外,子女的身高总是"趋向" ...
数学建模-偏最小二乘回归模型
偏最小二乘回归提供一种多对多线性回归建模的方法,特别当两组变量的个数很多,且都存在多重相关性,而观测数据的数量(样本量)又较少时,用偏最小二乘回归建立的模型具有传统的经典回归分析等方法所没有的优点. ...
xgboost回归预测模型_偏最小二乘回归分析法从预测角度对所建立的回归模型进行比较...
在实际问题中,经常遇到需要研究两组多重相关变量间的相互依赖关系,并研究用一组变量(常称为自变量或预测变量)去预测另一组变量(常称为因变量或响应变量), 除了最小二乘准则下的经典多元线性回归分析(MLR ...
PLSR（偏最小二乘回归浅析）
问题描述算法步骤分别提取两变量组的第一对线性组合组成的向量建立回归迭代最后英文原文:Partial Least Squares (PLS) Regression. 相关博客:偏最小二乘回归 ...
应用预测建模第六章-线性回归-预测化合物溶解度练习-R语言（多元线性回归，稳健回归，偏最小二乘回归，岭回归，lasso回归，弹性网)
模型:多元线性回归,稳健回归,偏最小二乘回归,岭回归,lasso回归,弹性网语言:R语言参考书:应用预测建模 Applied Predictive Modeling (2013) by Max K ...
r语言pls分析_R语言中的偏最小二乘PLS回归算法
偏最小二乘回归: 我将围绕结构方程建模(SEM)技术进行一些咨询,以解决独特的业务问题.我们试图识别客户对各种产品的偏好,传统的回归是不够的,因为数据集的高度分量以及变量的多重共线性.PLS是处理这些 ...

PLS-PM with R 偏最小二乘路径建模 (R语言)