Mínimos cuadrados parciales (PLS)

La regresión de mínimos cuadrados parciales (PLS) es una herramienta estadística para modelar la relación entre varias variables predictoras y una o más variables de respuesta, en particular cuando los predictores están muy correlacionados entre sí (multicolinealidad) o cuando el número de predictores es grande en relación con el número de observaciones. Reduce los predictores a un conjunto menor de componentes subyacentes que explican mejor tanto los predictores como la respuesta.

Última revisión:

Idea clave

La regresión de mínimos cuadrados parciales (PLS) es una herramienta estadística para modelar la relación entre varias variables predictoras y una o más variables de respuesta, en particular cuando los predictores están muy correlacionados.

En esta página
  1. ¿Qué son los mínimos cuadrados parciales?
  2. ¿Cuándo usar los mínimos cuadrados parciales?
  3. Pautas para el uso correcto de los mínimos cuadrados parciales
  4. Alternativas: cuándo no usar los mínimos cuadrados parciales
  5. Ejemplo de mínimos cuadrados parciales
  6. Cómo usar los mínimos cuadrados parciales

¿Qué son los mínimos cuadrados parciales?

La regresión de mínimos cuadrados parciales (PLS) es una herramienta estadística para modelar la relación entre varias variables predictoras y una o más variables de respuesta  , en particular cuando los predictores están muy correlacionados entre sí (multicolinealidad) o cuando el número de predictores es grande en relación con el número de observaciones. Reduce los predictores a un conjunto menor de componentes subyacentes que explican mejor tanto los predictores como la respuesta.

¿Cuándo usar los mínimos cuadrados parciales?

Variables predictoras

  • Es más adecuada cuando tiene muchos predictores muy correlacionados entre sí
  • Los predictores deben ser continuos
  • Si los predictores son pocos y no están muy correlacionados, use Ajustar modelo de regresión en su lugar
  • Si solo hay un predictor, use Gráfica de línea ajustada en su lugar

Variable de respuesta

  • Puede manejar una o más variables de respuesta continuas simultáneamente
  • Si la respuesta es categórica → use el modelo de regresión logística adecuado

Pautas para el uso correcto de los mínimos cuadrados parciales

  • Use PLS cuando los predictores estén muy correlacionados (multicolineales) o cuando el número de predictores sea grande en comparación con el tamaño de muestra; la regresión estándar se vuelve inestable en estas condiciones.
  • Todos los predictores y las variables de respuesta deben ser continuos; las variables categóricas no son adecuadas para este método.
  • Asegúrese de que los datos representen con exactitud a la población objetivo; una mala calidad de los datos producirá componentes y predicciones poco fiables.
  • Reúna observaciones suficientes : tener muchas menos observaciones que predictores hace que la regresión estándar falle, que es uno de los escenarios clave en los que PLS resulta más valioso.
  • Seleccione con cuidado el número adecuado de componentes : con muy pocos se pierde variación importante, mientras que con demasiados se produce sobreajuste. Use la validación cruzada para orientar esta decisión.
  • Mida todas las variables con la mayor exactitud posible; PLS es sensible al ruido cuando el número de componentes es alto.
  • Tras el ajuste, valide el modelo con el R-cuadrado de predicción y los estadísticos de validación cruzada para confirmar que el modelo generaliza bien más allá de los datos de entrenamiento.

Alternativas: cuándo no usar los mínimos cuadrados parciales

  • Si los predictores son pocos y no están muy correlacionados, use en su lugar Ajustar modelo de regresión para obtener resultados más sencillos y fáciles de interpretar.
  • Si tiene un solo predictor continuo, use en su lugar Gráfica de línea ajustada .
  • Si la respuesta es categórica con dos categorías, use en su lugar Regresión logística binaria .
  • Si la respuesta tiene tres o más categorías ordenadas, use en su lugar Regresión logística ordinal .
  • Si la respuesta tiene tres o más categorías sin orden, use en su lugar Regresión logística nominal .
  • Si el objetivo es contrastar la equivalencia de medición entre dos métodos, use en su lugar Regresión ortogonal .

Ejemplo de mínimos cuadrados parciales

Un productor de vino quiere entender cómo influye la composición química de su vino Pinot Noir en su evaluación sensorial. El conjunto de datos consta de 37 muestras de Pinot Noir, cada una caracterizada por las concentraciones de 17 elementos (Cd, Mo, Mn, Ni, Cu, Al, Ba, Cr, Sr, Pb, B, Mg, Si, Na, Ca, P, K) y una puntuación de aroma evaluada por un panel de jueces. El objetivo es desarrollar un modelo predictivo de la puntuación de aroma a partir de las concentraciones de los elementos. Además, el productor quiere incluir como predictores todas las concentraciones de los elementos, junto con todas las interacciones de dos factores que implican al cadmio (Cd). Dado el tamaño de muestra relativamente pequeño en comparación con el número de predictores, se elige la regresión de mínimos cuadrados parciales (PLS) como enfoque de modelado. Para evaluarlo, se realizan los siguientes pasos:

  1. Recopiló los datos necesarios.
Partial Least Square — figure 1
  1.  Ahora analice los datos en Zometric Statistical Software en https://statsai.zometric.com/.
  2.  Para encontrar los mínimos cuadrados parciales, elija Statistical module> Regression>Partial Least Square.
  3.  Dentro de la herramienta, se introducen los datos junto con las demás entradas como se indica a continuación:
Partial Least Square — figure 2

5. Después de usar la herramienta mencionada, se obtiene la siguiente salida:

Partial Least Square — figure 3Partial Least Square — figure 4Partial Least Square — figure 5

Cómo usar los mínimos cuadrados parciales

La guía es la siguiente:

  1. Inicie sesión en Zometric Statistical Software en https://statsai.zometric.com/
  2. En la página de inicio, elija Statistical Tool>Regression >Partial Least Square .
  3. Haga clic en Partial Least Square para acceder al tablero.
  4. A continuación, introduzca los datos manualmente o copie todos los datos (Ctrl+C) de una hoja de Excel y péguelos (Ctrl+V).
  5. Rellene las opciones necesarias que aparecen en el lado izquierdo.
  6. Por último, haga clic en calculate en la parte inferior de la página para obtener los resultados deseados.

En el tablero de Partial Least Square, la ventana está dividida en dos partes.

Partial Least Square — figure 6

En la parte izquierda se encuentra el panel de datos (Data Pane). En el Data Pane, cada fila forma un subgrupo. Los datos pueden introducirse manualmente o copiarse por completo (Ctrl+C) de una hoja de Excel y pegarse (Ctrl+V) aquí.

Load example: Se cargarán los datos de ejemplo.

Load File: Se usa para cargar directamente los datos de Excel.

En la parte derecha hay varias opciones, como las siguientes:

  • Response: La variable o variables de resultado que desea predecir deben ser continuas. PLS es singular porque puede manejar varias variables de respuesta a la vez, lo que resulta útil cuando es necesario modelar varias salidas conjuntamente con el mismo conjunto de predictores.
  • Model: Define qué predictores y términos de interacción se incluyen en el análisis. Por defecto se construye un modelo de efectos principales con todos los predictores seleccionados. Puede añadir términos de interacción (p. ej., A*B) si se cree que dos predictores influyen conjuntamente en la respuesta. Mantener el modelo adecuadamente sencillo evita el sobreajuste, sobre todo cuando el número de predictores es grande.
  • Confidence Interval:  Un intervalo dentro del cual es probable que se encuentre el valor verdadero de una respuesta predicha o de un coeficiente. El valor por defecto es 95%, lo que significa que usted tiene una confianza del 95% de que el valor verdadero se encuentra dentro del intervalo mostrado. Este valor por defecto se usa porque cumple el estándar de fiabilidad estadística más aceptado en la mayoría de los sectores y campos de investigación.
  • Maximum Number of Components (Optional):  Controla cuántos componentes PLS extrae el modelo de los predictores. Cada componente captura una parte de la variación tanto de los predictores como de la respuesta. Fijarlo demasiado bajo hace que se pierdan patrones importantes; fijarlo demasiado alto conlleva el riesgo de sobreajustar los datos. Si se deja en blanco, el análisis determina automáticamente el número óptimo mediante validación cruzada.
  • Title: Una etiqueta personalizada que puede asignar a la salida del análisis. Es útil cuando se ejecutan varios análisis con el mismo conjunto de datos, ya que permite distinguir con claridad las distintas ejecuciones del modelo en los resultados.
  • Show X Scores: Muestra una gráfica de las puntuaciones de los componentes de las variables predictoras. Esto ayuda a identificar visualmente patrones, agrupaciones o valores atípicos en los datos de los predictores una vez extraídos los componentes PLS, lo que es útil para comprender la estructura de las variables de entrada.
  • Show Y Scores: Muestra una gráfica de las puntuaciones de los componentes de las variables de respuesta. Esto ayuda a evaluar en qué medida los componentes PLS capturan la variación de la respuesta y si existen observaciones o agrupaciones inusuales en el lado de la salida del modelo.

Preguntas frecuentes

¿Qué es la regresión de mínimos cuadrados parciales?

La regresión de mínimos cuadrados parciales (PLS) modela la relación entre varias variables predictoras continuas y una o más variables de respuesta continuas. Está diseñada para casos en los que los predictores están muy correlacionados o hay muchos predictores en relación con las observaciones, y reduce los predictores a un conjunto menor de componentes que explican mejor tanto los predictores como la respuesta.

¿Cuándo debe usar PLS en lugar de la regresión múltiple ordinaria?

Use PLS cuando los predictores estén muy correlacionados (multicolineales) o cuando el número de predictores sea grande en comparación con el tamaño de muestra, porque la regresión estándar se vuelve inestable en estas condiciones. Si los predictores son pocos y no están muy correlacionados, Ajustar modelo de regresión da resultados más sencillos y fáciles de interpretar, y con un solo predictor continuo Gráfica de línea ajustada es la mejor opción.

¿Cuántos componentes debe usar un modelo PLS?

Con muy pocos componentes PLS se pierde variación importante, mientras que con demasiados se produce sobreajuste, por lo que la validación cruzada debe orientar la elección. Si el número máximo de componentes se deja en blanco, el análisis determina automáticamente el número óptimo mediante validación cruzada. Tras el ajuste, compruebe el R-cuadrado de predicción y los estadísticos de validación cruzada para confirmar que el modelo generaliza más allá de los datos de entrenamiento.

¿Pueden los mínimos cuadrados parciales usar variables categóricas?

No. Todos los predictores y las variables de respuesta en PLS deben ser continuos. Si la respuesta es categórica, use en su lugar un modelo logístico: Regresión logística binaria para dos categorías, Regresión logística ordinal para tres o más categorías ordenadas y Regresión logística nominal para tres o más categorías sin orden.