حداقل مربعات جزئی (به انگلیسی: Partial Least Square-PCL) یک روش آماری غیرپارامتری است که به جای مدل معادلات ساختاری (SEM) به کار می رود. روش حداقل مربعات جزئی حساسیت کمی به حجم نمونه دارد و به نرمال بودن داده ها نیازی ندارد. این روش زمانی کاربرد دارد که می خواهیم تأثیر چند متغیر مستقل را بر یک یا چند متغیر وابسته بدست آوریم.
زمانی که حجم نمونه ها کوچک است
زمانی که داده ها نرمال نیست
مزیت اصلی این روش عدم نیاز به استفاده از حجم بالای نمونه در پژوهش ها است (البته در نمونه های با حجم بالا هم به خوبی عمل می کند). در حالیکه در روش معادلات ساختاری نیاز به حداقل ۲۰۰ نمونه دارد. این روش برای نمونه های کمتر از ۵۰ هم کاربرد دارد.
تحلیل مولفه های اصلی
تحلیل واریانس
زمانی که حجم نمونه ها کوچک است
زمانی که داده ها نرمال نیست
مزیت اصلی این روش عدم نیاز به استفاده از حجم بالای نمونه در پژوهش ها است (البته در نمونه های با حجم بالا هم به خوبی عمل می کند). در حالیکه در روش معادلات ساختاری نیاز به حداقل ۲۰۰ نمونه دارد. این روش برای نمونه های کمتر از ۵۰ هم کاربرد دارد.
تحلیل مولفه های اصلی
تحلیل واریانس
wiki: حداقل مربعات جزئی