¹Universidad del Valle, Facultad de Ingeniería, Escuela de Estadística, Cali, Colombia. Professor. Email: victor.m.gonzalez@correounivalle.edu.co

]]> Abstract

In this article we develop the Inter-battery Factor Analysis (IBA) by using PLS (Partial Least Squares) methods. As the PLS methods are algorithms that iterate until convergence, an adequate intervention in some of their stages provides a solution to problems such as missing data. Specifically, we take the iterative stage of the PLS regression and implement the "available data" principle from the NIPALS (Non-linear estimation by Iterative Partial Least Squares) algorithm to allow the algorithmic development of the IBA with missing data. We provide the basic elements to correctly analyse and interpret the results. This new algorithm for IBA, developed under the R programming environment, fundamentally executes iterative convergent sequences of orthogonal projections of vectors coupled with the available data, and works adequately in bases with or without missing data.
To present the basic concepts of the IBA and to cross-reference the results derived from the algorithmic application, we use the complete Linnerud database for the classical analysis; then we contaminate this database with a random sample that represents approximately 7% of the non-available (NA) data for the analysis with missing data. We ascertain that the results obtained from the algorithm running with complete data are exactly the same as those obtained from the classic method for IBA, and that the results with missing data are similar. However, this might not always be the case, as it depends on how much the 'original' factorial covariance structure is affected by the absence of information. As such, the interpretation is only valid in relation to the available data.

En este artículo se desarrolla el Análisis Factorial Interbaterías (AIB) mediante el uso de métodos PLS (Partial Least Squares). Ya que los métodos PLS son algoritmos que iteran hasta la convergencia, permiten ser intervenidos adecuadamente en algunas de sus etapas para tratar problemas tales como datos faltantes. Específicamente se toma la fase iterativa de la regresión PLS y se implementa el principio de "datos disponibles" del algoritmo NIPALS (Non-linear estimation by Iterative Partial Least Squares) para permitir el desarrollo algorítmico del AIB con datos faltantes, proporcionando los elementos básicos para el análisis e interpretación de los resultados. Este nuevo algoritmo para AIB elaborado bajo el entorno de programación R, fundamentalmente realiza secuencias iterativas convergentes de proyecciones ortogonales de vectores emparejados con los datos disponibles y funciona adecuadamente en bases con y sin datos faltantes.
Para efectos de presentar los conceptos básicos del AIB y cotejar los resultados derivados de la aplicación algorítmica, se toma la base de datos completa de Linnerud para el análisis clásico; y luego esta base es contaminada con una muestra aleatoria que representa aproximadamente el 7% de los datos no disponibles (NA) para el análisis con datos faltantes. Se comprueba que con datos completos los resultados derivados del algoritmo son idénticos a los obtenidos mediante el desarrollo del método clásico para AIB, y que los resultados con datos faltantes son similares, aunque esto no siempre será así porque ello dependerá de que tanto se afecta la estructura de covarianza factorial 'original' ante la cantidad de información ausente; por tanto la interpretación será valida solo en relación con los datos disponibles.

Palabras clave: algoritmo, convergencia, datos faltantes, regresión con mínimos cuadrados parciales.

Texto completo disponible en PDF

1. Aluja, T. & Gonzalez, V. M. (2014), 'GNM-NIPALS: General Nonmetric - Nonlinear Estimation by Iterative Partial Least Squares', Revista de Matemática: Teoría y Aplicaciones 21(1), 85-106.         [ Links ]

2. Esbensen, K., Schonkopf, S. & Midtgaard, T. (1994), Multivariate Analysis in Practice, Olav Tryggvasons, Trondheim, Norway.         [ Links ]

3. Graffelman, J. (2013), calibrate. *https://cran.r-roject.org/web/packages/calibrate/calibrate.pdf         [ Links ]

4. Lindgren, F., Geladi, P. & Wold, S. (1993), 'The kernel algorithm for PLS', Journal of Chemometrics 7, 45-59.         [ Links ]

5. Martens, H. & Nars, T. (1989), Multivariate calibration, John Wiley & Sons, New York.         [ Links ]

6. Perez, R. A. & Gonzalez, G. (2013), 'Partial Least Squares Regression on Symmetric Positive Definite Matrices', Revista Colombiana de Estadística 36, 177-192.         [ Links ]

7. Sanchez, G. (2012), plsdepot. *https://cran.r-project.org/web/packages/plsdepot/plsdepot.pdf         [ Links ]

8. Tenenhaus, A. & Guillemot, V. (2013), RGCCA and sparse GCCA for multi-block data analysis. *https://cran.r-roject.org/web/packages/RGCCA/index.html         [ Links ]

9. Tenenhaus, A. & Tenenhaus, M. (2011), 'Regularized Generalized Canonical Correlation Analysis', Psychometrika 76, 257-284.         [ Links ]

10. Tenenhaus, M. (1998), La régression PLS théorie et pratique, Editions Technip, Paris.         [ Links ]

11. Tucker, L. R. (1958), 'An inter-battery method of factor analysis', Psychometrika 23(2), 111-136.         [ Links ]

12. Vega, J. & Guzmán, J. (2011), 'Regresión PLS y PCA como solución al problema de multicolinealidad en Regresión Múltiple', Revista de Matemática: Teoría y Aplicaciones 18(1), 9-20.         [ Links ]

13. Wold, H. (1966), Estimation of principal component and related models by iterative least squares, 'Multivariate Analysis', Academic Press, New York.         [ Links ]

14. Wold, H. (1985), 'Partial Least Squares', Encyclopedia of Statistical Sciences 6, 581-591.         [ Links ]

15. Wold, S., Martens, H. & Wold, H. (1983), The multivariate calibration problem in chemistry solved by the pls methods, 'Lectures Notes in Mathematics', Proceedings of the Conference on Matrix Pencils, Springer, Heidelberg, New York.         [ Links ]

Este artículo se puede citar en LaTeX utilizando la siguiente referencia bibliográfica de BibTeX: