Resumen

La regresión de mínimos cuadrados parciales (PLS) es una alternativa a la regresión de mínimos cuadrados ordinarios (OLS), utilizada en presencia de multicolinealidad. Al igual que cualquier otro método de modelado, la regresión PLS requiere una herramienta de selección de modelos confiable. La validación cruzada (CV) es la herramienta más comúnmente utilizada con muchas ventajas en precisión y exactitud, pero también tiene algunas desventajas; por lo tanto, utilizaremos el criterio de la curva L como alternativa, dado que tiene en cuenta la naturaleza de contracción de PLS. Se presenta una justificación teórica para el uso del criterio de la curva L, así como una aplicación tanto en datos simulados como reales. La aplicación muestra cómo este criterio suele superar a la validación cruzada y a la validación cruzada generalizada (GCV) en el error cuadrático medio de predicción y eficiencia computacional.

• Materias:Metodologías paramétricas Método bootstrap Cuantiles de regresión Estudio longitudinal Gráficos de control
• Subjects:Parametric methodologies Bootstrap method Regression quantiles Longitudinal study Control charts
• Palabras claves:Mínimos cuadrados parciales; Regresión; Mínimos cuadrados ordinarios; Multicolinealidad; Validación cruzada; Criterio de la curva L
• Keywords:Partial least squares; Regression; Ordinary least squares; Multicollinearity; Cross validation; L-curve criterion