不确定度都是挺难算的。

首先普及一下知识：OLS是ordinary least square的简称，多元线性回归方程普通最小二乘法的离差平方和。
普通最小二乘估计就是寻找参数β1、β2……的估计值，使上式的离差平方和Q达极小。

首先普及一下知识：OLS是ordinary least square的简称，多元线性回归方程普通最小二乘法的离差平方和。
普通最小二乘估计就是寻找参数β1、β2……的估计值，使上式的离差平方和Q达极小。

首先普及一下知识：OLS是ordinary least square的简称，多元线性回归方程普通最小二乘法的离差平方和。
普通最小二乘估计就是寻找参数β1、β2……的估计值，使上式的离差平方和Q达极小。式中每个平方项的权数相同，是普通最小二乘回归参数估计方法。在误差项等方差、不相关的条件下，普通最小二乘估计是回归参数的最小方差的线性无偏估计。

是什么啊，

首先普及一下知识：OLS是ordinary least square的简称，多元线性回归方程普通最小二乘法的离差平方和。
普通最小二乘估计就是寻找参数β1、β2……的估计值，使上式的离差平方和Q达极小。式中每个平方项的权数相同，是普通最小二乘回归参数估计方法。在误差项等方差、不相关的条件下，普通最小二乘估计是回归参数的最小方差的线性无偏估计

偏最小二乘回归是对多元线性回归模型的一种扩展，在其最简单的形式中，只用一个线性模型来描述独立变量Y与预测变量组X之间的关系

仙子资料很多啊,也是一个知识达人

用于计算偏最小二乘回归的一种标准算法是非线性迭代偏最小二乘法(NIPALS)，在这种算法中有许多变量，有些被规范化了，有些却没有。下面提到的算法被认为是非线性迭代偏最小二乘法中最有效的一种。 　　对h=1...c，且A0=X'Y, M0=X'X, C0=I，变量c已知。 　　计算qh，Ah'Ah的主特征向量。 　　wh=GhAhqh, wh=wh/||wh||，并将wh作为W的列向量。 　　ph=Mhwh, ch=wh'Mhwh, ph=ph/ch，并将ph作为P的列向量。 　　qh=Ah'wh/ch，并将qh作为Q的列向量。 　　Ah+1=Ah - chphqh'，Bh+1=Mh - chphph' 　　Ch+1=Ch - whph' 　　得分因子矩阵T可以计算出来：T=XW，偏最小二乘回归系数B也可由公式B=WQ计算出。

首先普及一下知识：OLS是ordinary least square的简称，多元线性回归方程普通最小二乘法的离差平方和。
普通最小二乘估计就是寻找参数β1、β2……的估计值，使上式的离差平方和Q达极小。式中每个平方项的权数相同，是普通最小二乘回归参数估计方法。在误差项等方差、不相关的条件下，普通最小二乘估计是回归参数的最小方差的线性无偏估计