حداقل مربعات جزئی

از ویکی‌پدیا، دانشنامهٔ آزاد
پرش به ناوبری پرش به جستجو
Linear-regression.svg

حداقل مربعات جزئی (به انگلیسی: Partial Least Square-PCL) یک روش آماری غیرپارامتری است که به جای مدل معادلات ساختاری (SEM) به کار می‌رود. روش حداقل مربعات جزئی حساسیت کمی به حجم نمونه دارد و به نرمال بودن داده‌ها نیازی ندارد. این روش زمانی کاربرد دارد که می‌خواهیم تأثیر چند متغیر مستقل را بر یک یا چند متغیر وابسته بدست آوریم.

کاربرد روش حداقل مربعات جزئی[ویرایش]

  • زمانی که حجم نمونه‌ها کوچک است
  • زمانی که داده‌ها نرمال نیست

برتری‌های روش حداقل مربعات[ویرایش]

مزیت اصلی این روش عدم نیاز به استفاده از حجم بالای نمونه در پژوهش‌ها است (البته در نمونه‌های با حجم بالا هم به خوبی عمل می‌کند). در حالیکه در روش معادلات ساختاری نیاز به حداقل ۲۰۰ نمونه دارد. این روش برای نمونه‌های کمتر از ۵۰ هم کاربرد دارد.

جستارهای وابسته[ویرایش]

تحلیل مولفه‌های اصلی

تحلیل واریانس

رگرسیون خطی

منابع[ویرایش]

https://parsmodir.com

http://www.tahlil-amari.com/

https://www.smartpls.ir/