Revisión general de Regresión de cuadrados mínimos parciales

Utilice Regresión de cuadrados mínimos 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.