偏最小二乘

分量评估 - 3D 分值图

3D 分值图表示模型中的第一个、第二个和第三个分量的 x 分值的三维散点图。如果前三个分量解释了预测变量中的绝大多数方差，那么此图中点的配置便可以近似反映数据的原始多维配置。要检查由模型解释的方差的数量，请检查模型选择和验证表中的 x 方差值。如果 x 方差值很高，那么模型解释预测变量中的显著性方差。

注意	如果模型包含 3 个以上的分量，您可能想要使用图形 > 散点图来图示其他分量的 x 分值。为此，请存储 x 分值矩阵，然后使用数据 > 复制 > 矩阵到列将该矩阵复制到列。如果模型仅有一个或两个分量，那么输出中不会显示此图。

检查此图时，请查找以下信息：

· 杠杆率点 - 图中远离大部分点的点可能是杠杆率点，且可能对结果具有显著效应。

· 聚类 - 聚集在一起的点可能表明数据中有两种或更多的不同分布，可以通过不同的模型来更好地描述。

您还可以使用 3D 图形工具，那样您可以旋转图以便从不同的角度进行查看。这样您可以得到一个更完整的数据图片，并可以更准确地识别出杠杆率点和点的聚类。

输出示例

解释

在此示例中，通过旋转该图，可以发现由于大豆样本 42 具有第二个分量的极端分值，它可能是一个杠杆率点。在其他图上，样本 42 被确定为潜在的杠杆率点。