Partial least squares (PLS) es una técnica estadística que puede evaluar la asociación de grandes cantidades de variables ambientales externas con respuestas biológicas. PLS es un buen método para analizar la importancia relativa de variables y comprimir los datos para análisis de regresión. El objetivo de este estudio fue utilizar PLS y análisis de regresión en los resultados de ensayos de variedades de soja (L.) y maíz (L.) para cinco (soja) o tres (maíz) pruebas de grupo de madurez (MG), en cinco ubicaciones de Tennessee que abarcan 14 años, para determinar los efectos ambientales (temperatura del aire mínima y máxima semanal y precipitación) en la expresión de la varianza genética del rendimiento (Vg). En general, PLS destacó al identificar combinaciones de variables climáticas para desarrollar modelos con altos valores de R (41-59%) en comparación con el análisis de regresión (R = 34-44%), pero no abordaron los efectos de variables específicas como en el análisis de regresión. Tanto en maíz como en soja, ocurrieron diferencias en la varianza genética entre las pruebas de MG y las ubicaciones. En general, la precipitación fue la variable determinante para Vg de maíz, lo que indica que el maíz es más sensible a los eventos de lluvia durante la temporada de crecimiento que la soja, es decir, con cada cm de precipitación, Vg de maíz aumentó entre 11.38-23.78 (Mg ha). Los resultados sugieren que garantizar agua adecuada, especialmente durante las semanas 3 y 6, es crítico para Vg de maíz, independientemente de la prueba de MG y la ubicación. Las variedades de soja modificadas genéticamente respondieron de manera similar a las variedades convencionales, lo que sugiere que no hay diferencias de respuesta de Vg debido al rasgo de tolerancia al glifosato. Estos resultados tienen implicaciones importantes para el momento de riego para la máxima expresión de diferencias genéticas en variedades de maíz y soja, especialmente para la planificación de manejo durante futuros eventos climáticos estocásticos.