Resultados óptimos demandan herramientas de mayor precisión: el aporte de Mínimos Cuadrados Parciales (PLS)

La regresión PLS (Partial Least Squares) es un método estadístico multivariante recientemente generalizado. Combina y generaliza conceptos de análisis de Componentes Principales y de análisis de Regresión Lineal Múltiple y resulta particularmente útil cuando se desea predecir un conjunto de variable...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Legato, Ana María, Alonso, Aldo Hernán
Formato: Articulo
Lenguaje:Español
Publicado: 2013
Materias:
Ciencias Económicas
Regresión PLS
Análisis de componentes principales
Regresión múltiple
Multicolinealidad
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/116356
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-116356
record_format dspace
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Económicas
Regresión PLS
Análisis de componentes principales
Regresión múltiple
Multicolinealidad
spellingShingle Ciencias Económicas
Regresión PLS
Análisis de componentes principales
Regresión múltiple
Multicolinealidad
Legato, Ana María
Alonso, Aldo Hernán
Resultados óptimos demandan herramientas de mayor precisión: el aporte de Mínimos Cuadrados Parciales (PLS)
topic_facet Ciencias Económicas
Regresión PLS
Análisis de componentes principales
Regresión múltiple
Multicolinealidad
description La regresión PLS (Partial Least Squares) es un método estadístico multivariante recientemente generalizado. Combina y generaliza conceptos de análisis de Componentes Principales y de análisis de Regresión Lineal Múltiple y resulta particularmente útil cuando se desea predecir un conjunto de variables dependientes (Y) desde un conjunto (relativamente grande y posiblemente correlacionadas) de variables predictoras (X). También resuelve con propiedad el problema de multicolinealidad, que generalmente se supera eliminando las variables que la causan o transformándolas, solución aplicable si la permanencia del set de variables X no es requerida, o sea cuando necesidades de explicación y predicción no inhiban tal procedimiento. Es apto asimismo cuando el problema requiere considerar relaciones múltiples y cruzadas, y que todas ellas se den simultáneamente o cuando existen variables que no se puedan medir directamente (no observables) no obstante ser necesarias para desarrollar la teoría. El presente trabajo considera específicamente esta metodología, la describe e interpreta en su concepción y hace explícito su potencial aporte a través de su aplicación a dos casos simplificados que permiten comparar los resultados con los obtenidos mediante el empleo de otra técnica.
format Articulo
Articulo
author Legato, Ana María
Alonso, Aldo Hernán
author_facet Legato, Ana María
Alonso, Aldo Hernán
author_sort Legato, Ana María
title Resultados óptimos demandan herramientas de mayor precisión: el aporte de Mínimos Cuadrados Parciales (PLS)
title_short Resultados óptimos demandan herramientas de mayor precisión: el aporte de Mínimos Cuadrados Parciales (PLS)
title_full Resultados óptimos demandan herramientas de mayor precisión: el aporte de Mínimos Cuadrados Parciales (PLS)
title_fullStr Resultados óptimos demandan herramientas de mayor precisión: el aporte de Mínimos Cuadrados Parciales (PLS)
title_full_unstemmed Resultados óptimos demandan herramientas de mayor precisión: el aporte de Mínimos Cuadrados Parciales (PLS)
title_sort resultados óptimos demandan herramientas de mayor precisión: el aporte de mínimos cuadrados parciales (pls)
publishDate 2013
url http://sedici.unlp.edu.ar/handle/10915/116356
work_keys_str_mv AT legatoanamaria resultadosoptimosdemandanherramientasdemayorprecisionelaportedeminimoscuadradosparcialespls
AT alonsoaldohernan resultadosoptimosdemandanherramientasdemayorprecisionelaportedeminimoscuadradosparcialespls
bdutipo_str Repositorios
_version_ 1764820446891474944

Ejemplares similares