论文部分内容阅读
多元线性分析中,初选的自变量集合经常包含性质不同的子集,由于自变量集合庞大,常常需将多个自变量集合中的主变量筛选出来建立模型,OLS提供的变量筛选方法对全部变量一并筛选,不能区分变量的不同子集,得到的模型往往解释性较差。本文提出一种多个自变量集合的PLS方法,首先利用Schmidt方法筛选出各自变量子集中的主变量,然后利用PLS方法对筛选出来的变量进行回归,克服变量间的多重共线性,保证模型的拟合精度，增强模型的解释性,最后利用这个方法对中国木材消费的影响因素进行了案例分析。