La régression PLS avec données manquantes

Les données manquantes présentent toujours un problème très délicat, elles perturbent les résultats et entravent la prévision. Pour cette raison les auteurs cherchent à présenter la méthode statistique la plus performante pour résoudre ce problème surtout lorsque le nombre de données manquantes devient de plus en plus important. La régression PLS (Partial Least Squares) est l¿une des méthodes qui s¿avère très efficace et montre des résultats énormes. L¿objectif dans cet ouvrage est de tester la sensibilité de la régression PLS en présence des données manquantes. En inspirant de livre de M.Tenenhaus (1998), nous donnons une présentation détaillée de la régression PLS univariée et multivariée. Une application sur données réelles montre la performance de cette méthode au traitement des données manquantes.