Régression PLS et données manquantes

[Lionel Fugon]

Bonjour,

je m'intéresse à la régression PLS et après un tour sur internet et en croisant les infos, j'ai découvert que cette technique "acceptait" les données manquantes. Du coup, j'essaye de la faire tourner sous R avec les fonctions : plsr (pour la régression) et gpls (classification, variable à expliquer dichotomique). Mes variables explicatives sont des facteurs et des prédicteurs. Cependant, je n'arrive pas à forcer la prise en compte des données manquantes avec l'option na.action et du coup, il ne prend en compte que les lignes complètes sans données manquantes.
Quelqu'un aurait-il une idée pour m'aider ?

Merci d'avance

Lionel FUGON

[Pierre Bady]

bonjour,

Pour faire de la PLS en prenant de données manquantes,
on peut utiliser un algorithme NIPALS (e.g Tenenhaus 1998).
par contre, il me semble qu'actuellement, il n'y a pas de PLS1
qui gère les données manquantes dans R (à vérifier, quand même).

sinon, des procédure à base d'algorithme EM permettent également
la gestion de données manquantes.

HTH

@++

Pierre



references:

Tenenhaus, M. (1998), La régression PLS, théorie et pratique Paris : Technip.

http://doc.rero.ch/lm.php?url=1000,41,4 ... colenS.pdf

[Lionel Fugon]

Ok merci beaucoup pour la réponse

Lionel