Neste artigo, é proposta uma nova técnica para transferência de calibração, que combina o Algoritmo das Projeções Sucessivas (APS) para seleção de variáveis robustas com a técnica de sub-amostragem e agregação de modelos conhecida como subagging. A técnica proposta tem por objetivo construir modelos de Regressão Linear Múltipla (RLM) que sejam robustos com respeito a diferenças na resposta instrumental de dois espectrômetros (primário e secundário). Para isso, um pequeno conjunto de amostras de transferência, com espectros adquiridos no instrumento secundário, é empregado para guiar o procedimento de seleção de variáveis. A eficiência da técnica proposta é demonstrada em um estudo de caso envolvendo a determinação por FT-IR da massa específica e duas temperaturas de destilação (T10%, T90%) em amostras de gasolina e a determinação por NIR de umidade em amostras de milho. Em termos do erro quadrático médio de predição no espectrômetro secundário, os modelos RLM gerados pela abordagem APS-subagging forneceram resultados melhores que os obtidos por Mínimos Quadrados Parciais empregando Padronização Direta por Partes. Em particular, o uso de subagging resultou em uma redução mais sistemática do erro de predição com a inclusão progressiva de amostras de transferência.
