这张附图 S1 对比了偏最小二乘模型（PLS）与线性基准模型（LM）在 14 个内生指标上的预测性能，评价指标为均方根误差 RMSE，RMSE 数值越低代表模型预测效果越好。图中蓝色方块代表 PLS 模型 RMSE，灰色方块代表线性模型 LM 的 RMSE，二者由横线相连，右侧标注不同模型表现更优及误差差值。整体来看，14 项指标里有 11 个指标的 PLS 模型 RMSE 更低，预测表现优于线性基准模型，包括 PV2、PV3、PV4、PV5、PR1、PR3、PR5、ADINT1、ADINT2、ADINT3、ADINT4；剩余 PV1、PR2、PR4 共 3 个指标，则是线性模型 LM 的预测效果更好。图表底部备注说明，该结果仅为诊断参考证据，PLS 相比基准模型具备广泛但不均衡的预测优势，并非在所有预测场景下都能取得更优效果，两类模型的性能差异随指标类型发生变化，不存在绝对的模型优劣。无论你是计量方向科研人员、统计建模学习者，还是需要对比不同预测模型效果的数据分析从业者，都可以参考这张图理解 PLS 与线性模型在多指标任务上的性能差异。