부분 최소 제곱법(PLS)은 원본 데이터 대신 상관 관계가 없는 성분 집합으로 예측 변수를 줄이고
이러한 성분에서 최소 제곱법을 수행하는 방법이다.
부분 최소 제곱법은 예측 변수가 매우 공선적이거나 예측 변수의 수가 관측치의 수보다 많으며
일반 최소 제곱법에서 계수를 생성하지 못하거나 표준 오차가 높은 계수를 생성할 경우에 유용하다.
88개의 많은 확률변수를 가진 데이터를 사용하여 일반 최소제곱 회귀법으로 분석하여 보면

PLS에서는 예측 모형을 개발하는 데 중요성을 부여한다.
따라서 PLS는 대부분 반응을 설명하는 데 유용하지 않은 변수를 제거하는 데 사용하지 않는다.
예측 변수가 깊은 상관 관계를 갖고 있거나 적은 수의 성분으로 완벽하게 반응을 모형화할 경우
모형의 성분 수가 예측 변수 수보다 훨씬 적을 수 있다.
88개의 많은 확률변수를 가진 데이터를 사용하여 부분 최소제곱 회귀법으로 분석하여 보면

모형에서 Predicted R² 값을 최대화 시키고 있는 9개의 각 Component는 88개의 확률변수의
복합적인 선형 조합을 나타낸다.

그리고 ANOVA 테이블로 회귀분석네 대한 자유도 9개의
결과만 나타내어 주지만 모든 데이터로 부터 나온 결과이다

표준화된 회귀계수는 모형내의 각 예측변수간의 상대적인 중요도를 나타낸다

PLS는 여러 반응 변수를 단일 모형에 적합시키고 다변량 방식으로 반응 변수들을 모형화하기
때문에 결과는 반응 변수를 개별적으로 고려하여 계산한 것과 크게 다를 수 있다.
단일 PLS 회귀 모형에서 여러 반응 변수를 모형화하려면 반응 변수들 사이에 상관 관계가 있어야 한다.