본 연구에서는 tensor에 대한 통계적 분석 및 tensor 형태의 예측 변수와 관련된 차원 축소 문제에 대한 포괄적인 고찰을 실시합니다. 저희는 두 가지 새로운 추정 방법을 소개합니다: Progressive Folded Outer Product of Gradients Estimation (PF-OPG) 및 rogressive Folded Minimum Average Variance Estimation (PF-MAVE). 이 방법들은 dimension folding 방법을 tensor 데이터에 확장시킨 것 입니다. 본 연구에서는 이전에 제안된 Folded-MAVE 방법과 저희의 PF-MAVE 접근법 간의 특성 및 차이를 대조합니다. 이러한 방법들의 실제 효능을 입증하기 위해 우리는 시뮬레이션 예제를 활용하며, 특히 PF-MAVE의 유한 샘플에서의 성능에 중점을 두어 통계적 응용 분야에서의 효율성과 효과성을 설명합니다.