摘要
在社会、经济、技术等许多领域的数据分析中,成分数据(compositional data)是一种应用十分广泛的数据类型,可以被用来反映诸如投资结构、产业结构、居民消费结构等问题.将成分数据的logratio变换方法与偏最小二乘路径分析相结合,提出在因变量是成分数据,而与之相关的若干个自变量也都是成分数据的情况下,建立了多元线性回归模型的方法.该建模方法可以满足成分数据的定和约束,克服成分数据中完全多重共线性对建模的不良影响,并且突出成分数据主题含义在建模中的作用和意义.作为案例,应用所提出的方法,采用北京市三类产业的投资、GDP以及就业的结构数据,建立了三者之间的回归模型,进一步说明了多元成分数据回归建模的工作过程及其应用价值.
Compositional data consist of vectors of nonnegative values summing to a unit. In this paper the PLS path modeling is applied to the compositional data after logratio transformation and a method of multiple linear regression modeling is put forward when the dependent and independent variables are all correlated compositional data. For compositional data this modeling method can satisfy the unit-sum constraint and eliminate the harms that derive from the complete multicollinearity. By the case of a regression model built on Beijing' s three industries structure data of investment, GDP and employment, it is proved that the modeling can clarity the property that contained in the compositional data effectively.
出处
《管理科学学报》
CSSCI
北大核心
2006年第4期27-32,共6页
Journal of Management Sciences in China
基金
国家杰出青年科学基金资助项目(70125003)
国家自然科学基金资助项目(70371007)
关键词
成分数据
多元回归模型
偏最小二乘路径分析
compositional data
multiple linear regression model
partial least squares path modeling analysis