La procedura Regressione minimi quadrati parziali consente di stimare i modelli di regressione dei minimi quadrati parziali (PLS, nota anche come “proiezione della struttura latente”). PLS è una tecnica predittiva che rappresenta un’alternativa alla regressione dei minimi quadrati ordinari (OLS), alla correlazione canonica o ai modelli di equazioni strutturali e si rivela particolarmente utile quando le variabili predittore sono strettamente correlate o quando il numero dei predittori supera il numero dei casi.
PLS combina le funzioni dell’analisi dei componenti principali e della regressione multipla.
Consente innanzitutto di estrarre un insieme di fattori latenti che forniscono la maggiore quantità di informazioni possibile sulla covarianza tra le variabili dipendenti e indipendenti. Quindi, un passo di regressione consente di prevedere i valori delle variabili dipendenti mediante la decomposizione delle variabili indipendenti.
Disponibilità.PLS è un comando di estensione che per la sua esecuzione richiede che nell’apposito sistema sia installato IBM® SPSS® Statistics - Integration Plug-In for Python. È necessario installare separatamente il modulo di estensione PLS, che può essere scaricato dall’indirizzo Web http://www.spss.com/devcentral.
Nota: Il modulo di estensione PLS dipende dal software Python. SPSS Inc. non è il titolare né il licenziatario del software Python. Tutti gli utenti Python devono accettare i termini del contratto di licenza Python disponibile al sito Web di Python. SPSS Inc. non avanza alcuna valutazione sulla qualità del programma Python. SPSS Inc. declina qualsiasi responsabilità associata all’uso del programma Python.
Tabelle. La proporzione della varianza spiegata (per fattore latente), i pesi fattoriali latenti, i carichi fattoriali latenti, l’importanza della variabile indipendente nella proiezione (VIP) e le stime dei parametri di regressione (per variabile dipendente) vengono tutti generati per impostazione predefinita.
Grafici.L’importanza della variabile nella proiezione (VIP), i punteggi fattoriali, i pesi fattoriali per i primi tre fattori latenti e la distanza dal modello vengono tutti generati dalla schedaOpzioni.
Livello di misurazione. Le variabili dipendenti e indipendenti (predittore) possono essere di scala, nominali o ordinali. La procedura presume che il livello di misurazione appropriato sia stato assegnato a tutte le variabili, sebbene sia possibile modificare temporaneamente il livello di misurazione di una variabile facendo clic con il pulsante destro del mouse sulla variabile nell’elenco delle variabili sorgente e scegliendo un livello di misurazione dal menu di scelta rapida. Le variabili categoriali (nominali o ordinali) vengono trattate in maniera equivalente dalla procedura.
© Copyright SPSS Inc. 1989, 2010 123
124 Capitolo 19
Codifiche variabili categoriali. La procedura ricodifica temporaneamente le variabili dipendenti categoriali utilizzando le codifiche one-of-ccper la durata della procedura. Se esistono categoriecdi una variabile, la variabile viene archiviata come vettoric, con la prima categoria indicata (1,0,...,0), la categoria successiva (0,1,0,...,0), ..., e la categoriafinale (0,0,...,0,1). Le variabili dipendenti categoriali vengono rappresentate utilizzando una codificafittizia; ovvero, semplicemente omettendo l’indicatore corrispondente alla categoria di riferimento.
Ponderazione. I valori dei pesi, prima di essere utilizzati vengono arrotondati ai numeri interi più vicini. I casi con pesi mancanti o con pesi inferiori a 0,5 non vengono utilizzati nelle analisi.
Valori mancanti. I valori mancanti di sistema e definiti dall’utente vengono considerati come non validi.
Modifica della scala. Tutte le variabili di modello sono centrate e standardizzate, comprese le variabili indicatore che rappresentano le variabili categoriali.
Per ottenere la regressione parziale dei minimi quadrati Dai menu, scegliere:
Analizza > Regression > Minimi quadrati parziali...
Figura 19-1
Scheda Variabili della finestra Regressione parziale minimi quadrati
E Selezionare almeno una variabile dipendente.
Regressione minimi quadrati parziali E Selezionare almeno una variabile indipendente.
Se lo si desidera, è possibile:
Specificare una categoria di riferimento per le variabili dipendenti categoriali (nominali o ordinali).
Specificare una variabile da utilizzare come identificativo univoco per l’output per i casi e gli insiemi di dati salvati.
Specificare un limite superiore per il numero dei fattori latenti da estrarre.
Modello
Figura 19-2
Scheda Modello della finestra Regressione parziale minimi quadrati
Specifica modello effetti. Un modello di effetti principali include tutti gli effetti principali di covariate e fattori. SelezionarePersonalizzatoper specificare le interazioni. È necessario indicare tutti i termini da includere nel modello.
Fattori e covariate. I fattori e le covariate sono elencati.
Modello.Il modello varia in base alla natura dei dati in uso. Dopo aver selezionatoPersonalizzato, è possibile selezionare gli effetti principali e le interazioni desiderate per l’analisi da eseguire.
126 Capitolo 19
Costruisci termini
Per i fattori e le covariate selezionati:
Interazione. Consente di creare il termine di interazione di livello maggiore rispetto a tutte le variabili selezionate. È l’impostazione di default.
Effetti principali. Consente di creare un termine di effetti principali per ciascuna variabile selezionata.
Tutti 2-vie.Consente di creare tutte le possibili interazioni a due vie delle variabili selezionate.
Tutti 3-vie.Consente di creare tutte le possibili interazioni a tre vie delle variabili selezionate.
Tutti 4-vie.Consente di creare tutte le possibili interazioni a quattro vie delle variabili selezionate.
Tutti 5-vie.Consente di creare tutte le possibili interazioni a cinque vie delle variabili selezionate.
Opzioni
Figura 19-3
Scheda Opzioni della finestra Regressione parziale minimi quadrati
La scheda Opzioni consente all’utente di salvare e rappresentare graficamente le stime dei modelli per singoli casi, fattori latenti e predittori.
Regressione minimi quadrati parziali Per ogni tipo di dati, specificare il nome di un insieme di dati. I nomi degli insiemi di dati devono essere univoci. Se si specifica il nome di un insieme di dati esistente, i suoi contenuti vengono sostituiti; altrimenti, viene creato un nuovo insieme di dati.
Salva stime per singoli casi.Consente di salvare le stime dei modelli caso per caso, ovvero: i valori attesi, i residui, la distanza del modello dei fattori latenti e i punteggi fattoriali latenti.
Inoltre, rende su grafico i punteggi fattoriali latenti.
Salva stime per fattori latenti. Consente di salvare i carichi e i pesi fattoriali latenti. Inoltre, rende su grafico i pesi fattoriali latenti.
Salva stime per variabili indipendenti.Consente di salvare le stime dei parametri di regressione e l’importanza delle variabili per la proiezione (VIP). Inoltre, rende su grafico i VIP per fattore latente.