Question

你好，我做SPSS中偏最小二乘回归时出现错误。PLS y MLEVEL=S WITH X1 X2X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 /CRITERIA LATENTFACTORS=5.Warning: An open Cursor was detected while exiting a program block. The Cursor has been closed.Traceback (most recent call last): File "", line 38, in File "C:\\ProgramData\\IBM\\SPSS\\Statistics\\26\\extensions\PLS.py", line 143, in Run pls = pc.PLS() File "C:\\ProgramData\\IBM\\SPSS\\Statistics\\26\\extensions\PLS.py", line 829, in PLS return Partia

Answer 1

问：你好，我做SPSS中偏最小二乘回归时出现错误。PLS y MLEVEL=S WITH X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 /CRITERIA LATENTFACTORS=5.Warning: An open Cursor was detected while exiting a program block. The Cursor has been closed.Traceback (most recent call last): File "", line 38, in File "C:\\ProgramData\\IBM\\SPSS\\Statistics\\26\\extensions\PLS.py", line 143, in Run pls = pc.PLS() File "C:\\ProgramData\\IBM\\SPSS\\Statistics\\26\\extensions\PLS.py", line 829, in PLS return Partia

答：1）较新版本的SPSS目前已经加入了偏最小二乘回归菜单，它内置在【分析】→【回归】→【部分最小平方】菜单下；2）【部分最小平方】这个菜单当下仍然处于不完善的状态，对SPSS用户并不友好，虽然有独立菜单但是仍需要再加载安装其他Python插件，很多人在安装问题上无法跨越；SPSS官方已经明确指出，需要“特殊设置”，并非是现有菜单就能直接胜任。我们打开官方文档，重点信息如下：应当加载安装的 IBM SPSS Statistics - Essentials for Python插件，并在服务器上安装 NumPy 和 SciPy库。

问：已经安装过了

答：最小二乘法（又称最小平方法）是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还可用于曲线拟合。其他一些优化问题也可通过最小化能量或最大化熵用最小二乘法来表达。以最简单的一元线性模型来解释最小二乘法。什么是一元线性模型呢？监督学习中，如果预测的变量是离散的，我们称其为分类（如决策树，支持向量机等），如果预测的变量是连续的，我们称其为回归。回归分析中，如果只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。对于二维空间线性是一条直线；对于三维空间线性是一个平面，对于多维空间线性是一个超平面。对于一元线性回归模型, 假设从总体中获取了n组观察值（X1，Y1），（X2，Y2）， …，（Xn，Yn）。对于平面中的这n个点，可以使用无数条曲线来拟合。要求样本回归函数尽可能好地拟合这组值。综合起来看，这条直线处于样本数据的中心位置最合理。 选择最佳拟合曲线的标准可以确定为：使总的拟合误差（即总残差）达到最小