التحليل المميز والانحدار اللوجستي بأستعمال المربعات الصغرى الجزئية (دراسة تجريبية (محاكاة))
يعد اسلوبي الانحدار اللوجستي الثنائي Binary logistic regression والدالة المميزة الخطية Linear discriminant function من اهم الاساليب الاحصائية المستخدمة في التصنيف والتنبؤ، عندما تكون البيانات من النوع الثنائي (0،1) فانه لا يمكن استخدام الانحدار الاعتيادي فلذلك نلجأ الى الانحدار اللوجستي الثنائي والدالة المميزة الخطية في حالة وجود مجموعتين او اكثر، وفي حالة وجود مشكلة التعدد الخطي Multicollinearity بين البيانات (ان البيانات يوجد فيها ارتباطات عالية بين المتغيرات) اصبح عدم الامكان في استخدام الانحدار اللوجستي والدالة المميزة الخطية، ولحل هذه المشكلة توجد عدة طرائق منها طريقة انحدار المربعات الصغرى الجزئية Partial least square regression لحل مشكلة التعدد الخطي. وقد جرى في هذه البحث المقارنة بين الانحدار اللوجستي الثنائي binary logistic regression والدالة المميزة الخطية linear discriminant function عن طريق خطأ التصنيف. حيث تم توليد بيانات بمتغير استجابة (Y) نوع ثنائي (0,1) تحتوي على مشكلة التعدد الخطي وبحجوم عينات (50-100-150-250-400) ومتغيرات (5-10-20). حيث تمت معالجة مشكلة التعدد الخطي بأستعمال طريقة المربعات الصغرى الجزئية Partial least square. وتوصل البحث الى ان الدالة المميزة الخطية linear discriminant function هي أفضل في تصنيف البيانات من الانحدار اللوجستي الثنائي binary logistic regression، اذ صنفت الدالة المميزة البيانات بشكل صحيح وأكثر دقة من الانحدار اللوجستي الثنائي.