Régression sur composantes principales — Wikipédia
- ️Tue Jan 10 2012
Un article de Wikipédia, l'encyclopédie libre.
En statistiques, la régression sur composantes principales est une analyse en régression sur les composantes d'une analyse en composantes principales. On utilise souvent cette technique lorsque les variables explicatives sont proches d'être colinéaires, lorsque par exemple le nombre de variables est très supérieur au nombre d'individus. La régression sur composantes principales est souvent comparée à la régression PLS[i 1].
La méthode se déroule en trois phases :
- Analyse en composantes principales sur les variables explicatives
- Régression linéaire de la variable dépendante (ou variable à expliquer) sur la partie des composantes la plus corrélée à celle-ci
- Calcul des paramètres de la régression en fonction des variables d'origines[b 1].
- ↑ Tenenhaus 1998, p. 41
- ↑ (en) [PDF] The MathWorks, Inc., « « Partial Least Squares Regression and Principal Components Regression » » (consulté le 10 janvier 2012)
- (fr) Michel Tenenhaus, La régression PLS : Théorie et Pratique, Paris, éditions Technip, 1998, 254 p. (ISBN 978-2-7108-0735-3, lire en ligne)
