PLS回帰は、説明変数の個数がデータの行数よりも多い場合や、説明変数の間に高い相関がある場合に特に役立ちます。また、PLS回帰は、複数の応答変数を1つのモデルでモデル化できます。Garthwaite（1994）、Wold（1994）、Wold et al.（2001）、Eriksson et al.（2006）、Cox and Gaudard（2013）を参照してください。
PLS回帰モデルの手法には、NIPALS（Nonlinear Iterative Partial Least Squares）と、SIMPLS（Statistically Inspired Modification of PLS）の2つがあります。NIPALSの詳細については、Wold（1980）を参照してください。SIMPLSの詳細については、De Jong（1993）を参照してください。両手法の説明については、Boulesteix and Strimmer（2007）を参照してください。SIMPLS法は、目的関数を明確に示して、それを最適化するという考えに基づき、導出された方法です。応答が1つの場合は、どちらの手法も同じ結果となります。応答が複数の場合は、結果は少し異なります。
JMP Proでは、次のことが行えます。PLSプラットフォームでは、van der Voet T2検定と交差検証法によって、抽出する因子数を決めることができます。
JMP Proでは、K分割交差検証法、一つ取って置き法、無作為抽出による検証法を選択できます。また、JMP Proでは、検証列を指定することもできます。検証をしないことも選択できます。