La méthode de régression pseudo-orthogonalisée est une technique qui permet de déterminer les variables réellement stables du modèle. On peut ainsi les sélectionner afin de construire un nouveau modèle dont la bonne qualité sera révélée par la stabilité des variables explicatives le composant.
méthode présente la particularité de s’appliquer sur des variables réduites.
Elle consiste dans un premier temps à faire dépendre les coefficients de régression d’un nouveau paramètre, noté k (0>k>1).
Puis dans un second temps, à faire varier k afin d’observer l’évolution des valeurs des coefficients de régression et de pouvoir conclure ou non à la stabilité des variables explicatives.
Faire varier k présente l’avantage de « limiter » les effets dus à la quasi-collinéarité, voire collinéarité, et non de les éliminer comme le propose la méthode orthogonalisée.
A cette méthode, Modalisa associe un graphique présentant l’évolution des valeurs des coefficients de régression en fonction des valeurs de k.
d’un tel graphique permet de déterminer les coefficients instables (l’instabilité pouvant être due à une quasi-collinéarité des coefficients de régression), d’éliminer les variables explicatives respectives et ne sélectionner que celles présentant une réelle stabilité dans le but de composer un nouveau modèle de bonne qualité.