Revisión general de Regresión de mínimos cuadrados parciales

Utilice Regresión de mínimos cuadrados parciales (PLS) para describir la relación entre un conjunto de predictores y una o más respuestas continuas. Utilice PLS cuando los predictores sean muy colineales o cuando tenga más predictores que observaciones. También es adecuado usar PLS cuando los predictores no son fijos y se miden con error. PLS reduce los predictores a un conjunto más pequeño de componentes no correlacionados y realiza la regresión de mínimos cuadrados sobre estos componentes, en vez de sobre los datos originales. Para obtener más información, vaya a ¿Qué es la regresión de mínimos cuadrados parciales?.

Si usted realiza el análisis con variables de respuesta correlacionadas, PLS puede detectar patrones de respuestas multivariadas y relaciones más débiles de lo que es posible con un análisis por separado para cada respuesta.

Por ejemplo, una empresa de espectrografía química usa PLS para modelar la relación entre las mediciones espectrales (NIR, IR, UV), porque estos modelos incluyen muchas variables que están correlacionadas entre sí.

Dónde encontrar este análisis

Para realizar regresión de mínimos cuadrados parciales, elija Estadísticas > Regresión > Cuadrados mínimos parciales.

Cuándo utilizar un análisis alternativo

Si los predictores son fijos y no tienen error de medición considerable o si los predictores no son altamente colineales y los datos incluyen más observaciones que el número de términos, utilice Ajustar modelo de regresión.

Al utilizar este sitio, usted acepta el uso de cookies para efectos de análisis y contenido personalizado.  Leer nuestra política