La presencia de multicolinealidad en los Modelos de Regresión Múltiple conduce a problemas en las estimaciones y resultados poco fiables. La aplicación de la Regresión sobre Componentes Principales puede evitar estos problemas, a la vez que lleva implícito un procedimiento de selección de variables, reduciendo la dimensión del espacio predictor. El objetivo de este trabajo es la descripción teórica y metodológica de la técnica estadística y su implementación en R, con una ilustración sobre datos reales. Además, con objeto de ilustrar la aplicabilidad del método, se incluye referencias sobre trabajos científicos recientes en los que se ha hecho uso de la misma.

The existence of multicollinearity in Multiple Regression Models leads to problems in estimation and unreliable results. The application of Principal Components Regression can avoid these problems, while involving a variable selection procedure, reducing the dimension of the predictor space. The aim of this work is the theoretical and methodological description of the statistical technique and its implementation in R, with an illustration on real data. In addition, in order to illustrate the applicability of the method, references of recent scientific works in which it has been used are included.

Universidad de Sevilla. Doble Grado en Matemáticas y Estadística