<?xml version="1.0" encoding="utf-8"?>
<journal>
<title>Iranian Journal of Official Statistics Studies</title>
<title_fa>مجله‌ی بررسی‌های آمار رسمی ایران</title_fa>
<short_title>مجله‌ی بررسی‌ها</short_title>
<subject>Basic Sciences</subject>
<web_url>http://ijoss.srtc.ac.ir</web_url>
<journal_hbi_system_id>1</journal_hbi_system_id>
<journal_hbi_system_user>admin</journal_hbi_system_user>
<journal_id_issn>2538-5798</journal_id_issn>
<journal_id_issn_online>2538-578x</journal_id_issn_online>
<journal_id_pii>8</journal_id_pii>
<journal_id_doi>7</journal_id_doi>
<journal_id_iranmedex></journal_id_iranmedex>
<journal_id_magiran></journal_id_magiran>
<journal_id_sid>14</journal_id_sid>
<journal_id_nlai>8888</journal_id_nlai>
<journal_id_science>13</journal_id_science>
<language>fa</language>
<pubdate>
	<type>jalali</type>
	<year>1388</year>
	<month>12</month>
	<day>1</day>
</pubdate>
<pubdate>
	<type>gregorian</type>
	<year>2010</year>
	<month>3</month>
	<day>1</day>
</pubdate>
<volume>20</volume>
<number>2</number>
<publish_type>online</publish_type>
<publish_edition>1</publish_edition>
<article_type>fulltext</article_type>
<articleset>
	<article>


	<language>fa</language>
	<article_id_doi></article_id_doi>
	<title_fa>رگرسیون کم‌ترین توان‌های دوم</title_fa>
	<title>Partial Least Squares Regression</title>
	<subject_fa>عمومى</subject_fa>
	<subject>General</subject>
	<content_type_fa>پژوهشي</content_type_fa>
	<content_type>Research</content_type>
	<abstract_fa>&lt;p&gt;&lt;span dir=&quot;RTL&quot;&gt;در تحقیقات مختلف به‌طور معمول با مسائلی سر و کار داریم که با استفاده از مجموعه‌ای از متغیرهای توضیحی به پیش‌بینی رفتار یک متغیر وابسته می‌پردازیم. یکی از روش‌های آماری که کاربرد وسیعی در این‌گونه مسائل دارد رگرسیون چندگانه می‌باشد. اما هنگامی که بین متغیرهای توضیحی رابطه‌ی خطی وجود داشته باشد مسئله‌ی هم‌خطی چندگانه رخ می‌دهد و در نتیجه رگرسیون کم‌ترین توان‌های دوم معمولی به ایجاد براوردهای نااستواری از ضرایب رگرسیونی می‌انجامد. رگرسیون کم‌ترین توان‌های دوم جزئی یک روش چند متغیره است که در هنگام بروز هم‌خطی بین متغیرهای توضیحی مورد استفاده قرار می‌گیرد. در این مقاله به معرفی این روش می‌پردازیم. &lt;/span&gt;&lt;/p&gt;
</abstract_fa>
	<abstract>&lt;p&gt; In different researches, we deal with problems that need to predict the behavior of a response variable by a set of explanatory variables. Multiple regression is one of the statistical methods that is widely used in these type of situations. When there is a linear relation between explanatory variables we will faced with multi-collinearity problem that causes ordinary least squares estimators of regression coefficients not to be robust. Partial least squares regression is a multivariate method that used when there is high collinearity between explanatory variables. In this paper, this method is introduced.&lt;/p&gt;
</abstract>
	<keyword_fa> اعتبارسنجی متقابل, پیش‌بینی, هم‌خطی‌ چندگانه, مؤلفه, PLS.</keyword_fa>
	<keyword>Cross validation, prediction, multicollinearity, component, PLS</keyword>
	<start_page>289</start_page>
	<end_page>304</end_page>
	<web_url>http://ijoss.srtc.ac.ir/browse.php?a_code=A-10-1-55&amp;slc_lang=fa&amp;sid=1</web_url>


<author_list>
	<author>
	<first_name>Amir </first_name>
	<middle_name></middle_name>
	<last_name>Shahini </last_name>
	<suffix></suffix>
	<first_name_fa>امیر</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>شاهینی</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>ams_stat@yahoo.com</email>
	<code>1003194753284600130</code>
	<orcid>1003194753284600130</orcid>
	<coreauthor>Yes
</coreauthor>
	<affiliation></affiliation>
	<affiliation_fa></affiliation_fa>
	 </author>


	<author>
	<first_name>Majid </first_name>
	<middle_name></middle_name>
	<last_name>Sarmad</last_name>
	<suffix></suffix>
	<first_name_fa>مجید</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>سرمد</last_name_fa>
	<suffix_fa></suffix_fa>
	<email></email>
	<code>1003194753284600131</code>
	<orcid>1003194753284600131</orcid>
	<coreauthor>No</coreauthor>
	<affiliation></affiliation>
	<affiliation_fa></affiliation_fa>
	 </author>


</author_list>


	</article>
</articleset>
</journal>
