Kısmi en küçük kareler regresyonu çoklu iç ilişki durumunda çokça kullanılan istatistiksel yöntemlerden biridir. Çoklu iç ilişki problemi regresyon analizinde sıkça karşılaşılan bir problemdir. Açıklayıcı değişkenler arasında çoklu iç ilişki problemi varsa yapılan çoklu lineer regresyon analizi sonucunda elde edilen regresyon katsayıları durağan olmayan sonuçlar verecektir. Bu durumda ise modelin tahmin gücü oldukça düşük olacaktır. Literatürde çoklu iç ilişki problemi ile başa çıkabilmek için birçok yöntem geliştirilmiştir. Bu yöntemlerden birisi ise klasik en küçük kareler tahmin edicisini kullanmak yerine yanlı regresyon tekniklerini kullanmaktır.
Bu çalışmada çoklu iç ilişki problemi ile karşılaşıldığı durumlarda kullanılan yanlı regresyon yöntemlerinden birisi olan kısmi en küçük kareler regresyon yöntemi tanıtılmıştır. Ayrıca kısmi en küçük kareler regresyonu (PLSR) yine aynı amaca hizmet eden temel bileşenler regresyonu (PCR) ve ridge regresyon (RR) ile karşılaştırılmıştır. Yapılan karşılaştırma sonucunda tahmin gücü bakımından Ridge regresyon yönteminin en iyi sonucu verdiği gözlemlenmiştir. PLSR ve PCR yöntemleri birbirleriyle karşılaştırıldığında PLSR yöntemi PCR yöntemine göre daha az bileşenle model kurmuştur. Bu yüzden de PLSR yöntemi PCR yöntemine göre daha başarılı bulunmuştur.
Partial least square regression is one of the statistical method which is used greatly in multicollinearity. Multicollinearity problem occurs frequently in regression analysis. If there is a multicollinearity problem in data set, regression coefficients which were found with lineer regression analysis give non-stable results. In this state model’s estimation power will be very low. In literature lots of methods are developed to cope with multicollinearity problem. One of that methods is using biased regression techniques rather than least square estimators.
In this study partial least square regression method is introduced which is one of the biased regression methods that used when multicollinearity problem occurs. Also partial least square regression compared with principal components regression and ridge regression. As a result of this compare it is found that ridge regression gives best result about estimation power. When PLSR and PCR methods are compared with each other PLSR method obtains a model with less components than PCR method. So that PLSR method is found more succesful rather than PCR method.
