Un critère de covariance multiple permettant l'extension de la régression PLS à plusieurs groupes prédicteurs
| Autor: | Bry, Xavier, Verron, Thomas, Cazes, Pierre |
|---|---|
| Přispěvatelé: | Institut de Mathématiques et de Modélisation de Montpellier (I3M), Centre National de la Recherche Scientifique (CNRS)-Université Montpellier 2 - Sciences et Techniques (UM2)-Université de Montpellier (UM), ALTADIS, CEntre de REcherches en MAthématiques de la DEcision (CEREMADE), Centre National de la Recherche Scientifique (CNRS)-Université Paris Dauphine-PSL, Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL) |
| Jazyk: | francouzština |
| Rok vydání: | 2009 |
| Předmět: | |
| Zdroj: | 41èmes Journées de Statistique, SFdS, Bordeaux 41èmes Journées de Statistique, SFdS, Bordeaux, 2009, Bordeaux, France, France |
| Popis: | International audience; Nous cherchons à explorer un modèle structurel: plusieurs groupes de variables décrivant les mêmes unités sont supposés structurés autour de dimensions latentes liées entre elles par un modèle linéaire. Ce type de modèle est classiquement traité par des méthodes supposant unique la dimension structurant chaque groupe. Mais souvent, les modèles conceptuels articulent entre eux des concepts multidimensionnels. Nous proposons une méthode: SEER (Structural Equation Exploratory Regression) qui permet d'explorer la structure des groupes à la recherche de toutes les dimensions utiles au modèle. Fondée sur la maximisation d'un critère de covariance multiple, SEER étend à la fois la Régression PLS et PLS Path Modeling. Une application comparée à des données physico-chimiques a montré un net avantage de SEER tant sur le plan explicatif que prédictif. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|