Übersicht über Regression der partiellen kleinsten Quadrate

Verwenden Sie Regression der partiellen kleinsten Quadrate (PLS), um die Beziehung zwischen einer Gruppe von Prädiktoren und einer oder mehreren stetigen Antwortvariablen zu beschreiben. Verwenden Sie PLS, wenn hochgradig kollineare Prädiktoren vorliegen oder mehr Prädiktoren als Beobachtungen vorhanden sind. PLS ist auch geeignet, wenn die Prädiktoren nicht fest sind und mit Fehlern gemessen werden. Mit PLS werden die Prädiktoren auf eine kleinere Gruppe von unkorrelierten Komponenten reduziert, und es wird eine Regression der kleinsten Quadrate für diese Komponenten anstelle der ursprünglichen Daten durchgeführt. Weitere Informationen finden Sie unter Was ist die Regression der partiellen kleinsten Quadrate?.

Wenn Sie die Analyse mit korrelierten Antwortvariablen durchführen, kann PLS multivariate Antwortmuster und schwächere Beziehungen erkennen, als dies bei einer separaten Analyse für jede Antwortvariable möglich wäre.

Ein Unternehmen im Bereich der chemischen Spektrografie verwendet die PLS beispielsweise zum Modellieren der Beziehung zwischen Spektralmessungen (NIR, IR, UV), da diese Modelle viele Variablen enthalten, die miteinander korreliert sind.