पीएलएस प्रतिगमन और पीएलएस पथ मॉडलिंग के बीच अंतर। पीएलएस की आलोचना

Question

यह सवाल यहां पूछा गया था लेकिन किसी ने भी अच्छा जवाब नहीं दिया। इसलिए मुझे लगता है कि इसे फिर से लाने के लिए एक अच्छा विचार है और साथ ही मैं कुछ और टिप्पणियां / प्रश्न जोड़ना चाहूंगा।

• पहला सवाल यह है कि "पीएलएस पथ मॉडलिंग" और "पीएलएस प्रतिगमन" के बीच अंतर क्या है? इसे और अधिक सामान्य बनाने के लिए, संरचनात्मक समीकरण मॉडलिंग (SEM), पथ मॉडलिंग और प्रतिगमन क्या हैं? मेरी समझ में प्रतिगमन भविष्यवाणी पर अधिक ध्यान केंद्रित करता है जबकि एसईएम प्रतिक्रिया और भविष्यवक्ताओं के बीच संबंधों पर केंद्रित है और पथ मॉडलिंग एसईएम का एक विशेष मामला है?

• मेरा दूसरा सवाल यह है कि पीएलएस कितना भरोसेमंद है? हाल ही में यह कई आलोचनाओं के अधीन है जैसा कि रोंक्को एट अल में प्रकाश डाला गया है । 2016 और रोनकको एट अल। 2015 जो उच्च स्तरीय पत्रिकाओं में पीएलएस पर आधारित पत्रों की अस्वीकृति की ओर ले जाता है जैसे कि जर्नल ऑफ़ ऑपरेशन्स मैनेजमेंट ( यहाँ पत्रिका संपादक से नोट है):

  हम डेस्क को व्यावहारिक रूप से सभी पीएलएस-आधारित पांडुलिपियों को खारिज कर रहे हैं, क्योंकि हमने निष्कर्ष निकाला है कि पीएलएस उन अपवादों के बिना है जो ओएम शोधकर्ताओं द्वारा उपयोग किए जाने वाले मॉडल में गलत मॉडलिंग दृष्टिकोण के बिना हैं ।

  मुझे ध्यान देना चाहिए कि मेरा क्षेत्र स्पेक्ट्रोस्कोपी है, न तो प्रबंधन / मनोविज्ञान और न ही आँकड़े। लेखकों के ऊपर लिंक किए गए पत्रों में PLS के बारे में SEM विधि के रूप में अधिक बात की जाती है, लेकिन मेरे लिए, उनकी आलोचना PLS प्रतिगमन पर भी लागू होती है।

Comments

आपके लिंक paywalls के पीछे हैं।

— जेरेमी माइल्स

तुम पूरी तरह ठीक हो! और मुझे खेद है, मेरे पास पीडीएफ है, लेकिन मुझे यकीन नहीं है कि मैं अपलोड या साझा कर सकता हूं। विज्ञान मुक्त होना चाहिए :)

— Ress

PLS प्रतिगमन समझाया और में काफी कुछ विस्तार से चर्चा की है stats.stackexchange.com/questions/179733 । दुर्भाग्य से मैं "पथ मॉडलिंग" के बारे में कुछ नहीं जानता।

— अमीबा

मुझे लगता है कि "पाथ मॉडलिंग" SEM के लिए दूसरा नाम है

— rep_ho

2016 के पेपर से: "पीएलएस पर अधिकांश परिचयात्मक पाठ वजन के उद्देश्यों पर चमकते हैं, यह तर्क देते हुए कि पीएलएस एसईएम है और इसलिए इसे कंपोजिट के साथ प्रतिगमन पर एक लाभ प्रदान करना चाहिए (जैसे, गेफेन एट अल।, 2011); हालांकि, ऐसे काम अक्सर स्पष्ट रूप से यह नहीं बताते हैं कि PLS स्वयं भी कंपोजिट के साथ प्रतिगमन है। " भ्रामक है। तर्क का मुख्य जोर मैं देख सकता हूं कि क्या लेखक जोर देते हैं कि एसईएम एक शुद्ध सैद्धांतिक निर्माण होना चाहिए और उनके पास अनुभवजन्य रूप से व्युत्पन्न संरचनात्मक समीकरणों के लिए तिरस्कार है। लेकिन पीएलएस सहसंयोजक के माध्यम से 'संरचित' समीकरण प्राप्त करता है।

— रेनेबट

Answer 1

पहला सवाल यह है कि "पीएलएस पथ मॉडलिंग" और "पीएलएस प्रतिगमन" के बीच अंतर क्या है?

कोई नहीं, वे पर्यायवाची हैं।

इसे और अधिक सामान्य बनाने के लिए, संरचनात्मक समीकरण मॉडलिंग (SEM), पथ मॉडलिंग और प्रतिगमन क्या हैं? मेरी समझ में प्रतिगमन भविष्यवाणी पर अधिक ध्यान केंद्रित करता है जबकि एसईएम प्रतिक्रिया और भविष्यवक्ताओं के बीच संबंधों पर केंद्रित है और पथ मॉडलिंग एसईएम का एक विशेष मामला है?

SEM प्रतिगमन का एक रूप है। प्रतिगमन कोई भी ऐसी विधि है जो स्वतंत्र और निर्भर चर को सहसंबंधित करती है और इसमें ऐसी विधियाँ शामिल हैं जो अलग-अलग संस्थाओं के रूप में संभाले गए कई चर का उपयोग करती हैं। SEM विशेष रूप से अंतिम मॉडल को बाधित करने के लिए चर के बीच गणितीय संबंधों का उपयोग करता है, पीएलएस के मामले में यह सहसंयोजक है। मेरी समझ यह है कि मार्ग मॉडलिंग एक डोमेन है- (मेरा नहीं, मैं आप की तरह एक स्पेक्ट्रोस्कोपिस्ट हूं) विशिष्ट शब्द।

मेरा दूसरा सवाल यह है कि पीएलएस कितना भरोसेमंद है? हाल ही में यह कई आलोचनाओं के अधीन है जैसा कि रोंक्को एट अल में प्रकाश डाला गया है। 2016 और रोनकको एट अल। 2015

एक उत्कृष्ट खंडन हेन्सेलर एट अल में पाया जाता है । पीएलएस के बारे में 2013 आम विश्वास और वास्तविकता । Rönkkö et al के लिए एक मुख्य चिंता का विषय है। यह है कि PLS ने कुछ स्थितियों में शानदार प्रदर्शन नहीं किया जो एक सामान्य अव्यक्त कारक है। पीएलएस वास्तव में कई अव्यक्त कारकों को संभालने के लिए डिज़ाइन किया गया है, एक ऐसी स्थिति जो वास्तविक दुनिया में बहुत अधिक सामान्य है।

कैसे भरोसेमंद? स्पेक्ट्रोस्कोपी के लिए यह एक उत्कृष्ट उपकरण है लेकिन इसकी सीमाएँ हैं। यह ओवरफिटिंग के जोखिम को चलाता है क्योंकि यह कई अंतर्निहित कारकों से योगदान पर कब्जा करने वाले जटिल मॉडल का निर्माण कर सकता है। इस कारण से इसका उपयोग देखभाल के साथ करने की आवश्यकता है और उचित बाहरी सत्यापन आवश्यक है, लेकिन फिर ये सभी मॉडल निर्माण उपकरण पर लागू होते हैं। मैं मुख्य रूप से 2 दशकों के लिए वास्तविक विश्व डेटासेट पर काम करता हूं और मुझे किसी भी प्रयोगात्मक डेटासेट का सामना नहीं करना पड़ा है जिसमें केवल एक सामान्य कारक था जो आश्रित चर को रेखांकित करता था (न तो डेटा और न ही वैज्ञानिक सिद्धांत पर आधारित)।

Comments

+1 भले ही मैं चाहता हूं कि इस उत्तर में रोंको एट अल पर अधिक विवरण था। बनाम हेन्सेलर एट अल। असहमति। मैं सभी स्पेक्ट्रोस्कोपिस्ट नहीं हूं, लेकिन मुझे रैखिक प्रतिगमन के लिए एक नियमितीकरण विधि के रूप में पीएलएस की अपेक्षाकृत अच्छी समझ है (यह इस तरह से हैस्टी द्वारा अल्टीमेटल लर्निंग के तत्वों में प्रस्तुत किया गया है ।)। मुझे लगता है कि इसे केमोमेट्रिक्स में PLS1 कहा जाता है। यहां "प्रदर्शन" पुनर्निर्माण की त्रुटि से संबंधित है, एक नियमितीकरण ताकत का चयन करने के लिए क्रॉस-सत्यापन का उपयोग कर सकता है, आदि यह किसी भी परिचित सेटिंग है जिसने रिज रिग्रेशन या पीसीआर का सामना किया था या ऐसा कुछ भी।

— अमीबा

[cont।] मुझे कई आश्रित चर के साथ PLS2 के बारे में भी पता है, लेकिन मुझे यकीन नहीं है कि यह कितनी बार उपयोग किया जाता है। उसी समय, समझने की कोशिश करने से लेकर रोंको एट अल। मतलब, ऐसा लगता है कि "एसईएम" का ध्यान विशेष रूप से कई एक्स को मल्टीपल वाई से संबंधित है (क्या यह पीएलएस 2 है?)? और शायद एक्स के वाई के बीच संबंध की व्याख्या करने के बजाय वाई के बीच की भविष्यवाणी की तुलना में अधिक है। मुझे यह भी निश्चित नहीं है कि "प्रदर्शन" से उनका क्या मतलब है, और मुझे नहीं पता कि पीएलएस के बजाय वे पीएलएस की आलोचना करते हुए क्या उपयोग करना पसंद करते हैं ।

— अमीबा

ReneBT और अमीबा दोनों को धन्यवाद। मैंने यह प्रश्न रेडिट पर यहाँ पोस्ट किया है और किसी ने (soumya_ray) उत्तर दिया कि प्रतिगमन और SEM मौलिक रूप से भिन्न हैं। उसने तकनीकी अंतर नहीं समझाया। Btw, उसका जवाब आपने जो कहा है, उसके खिलाफ है (आपका जवाब मेरे लिए मायने रखता है)।

— रास

Btw, मैं PLS का उपयोग करके बैंड चयन करता हूं। मैं पीएलएस के प्रदर्शन पर आपकी बात की पुष्टि करता हूं, जबकि इसके परिणामस्वरूप अच्छी भविष्यवाणियां हो सकती हैं (दोनों परीक्षण और अंशांकन पर), लेकिन मॉडल मौलिक रूप से गलत या कम से कम व्याख्या करने के लिए बहुत कठिन हो सकता है क्योंकि यह भविष्यवाणियों को महत्वपूर्ण चर के रूप में चुनता है जिसका इससे कोई लेना-देना नहीं है। पारिवर्तनशील प्रतिक्रिया।

— रास

लेखकों द्वारा उठाए गए प्रमुख मुद्दों पर एक और टिप्पणी है "पीएलएस एल्गोरिथ्म इस प्रकार वजन का उत्पादन करता है जो डेटा में किसी भी सहसंबंध का उपयोग करके प्रारंभिक बिंदु के रूप में उपयोग किए जाने वाले यूनिट-भारित कंपोजिट के बीच सहसंबंध को बढ़ाता है, लेकिन यह करता है किसी भी वैश्विक इष्टतम की उपलब्धि की गारंटी नहीं है ”। एक वैध चिंता का विषय है, संक्षेप में इसका मतलब यह है कि मॉडल केवल एक ही अंतर्निहित सहसंयोजक संरचना के साथ आबादी पर लागू होगा, यह PLS को अमान्य नहीं बनाता है, लेकिन इसका मतलब है कि किसी को देखभाल के साथ एक मॉडल का निर्माण और उपयोग करना होगा।

— ReneBt