Contribuições ao método Lasso e extensões

• Processo: 20/16334-9
• Modalidade de apoio: Bolsas no Exterior - Pesquisa
• Data de Início da vigência: 10 de janeiro de 2022
• Data de Término da vigência: 09 de janeiro de 2023
• Área de conhecimento: Ciências Exatas e da Terra - Probabilidade e Estatística - Estatística
• Pesquisador responsável: Gustavo Henrique de Araujo Pereira
• Beneficiário: Gustavo Henrique de Araujo Pereira
• Pesquisador Anfitrião: Jianwen Cai
• Instituição Sede: Centro de Ciências Exatas e de Tecnologia (CCET). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
• Instituição Anfitriã: University of North Carolina at Chapel Hill (UNC), Estados Unidos
• Assunto(s): Predição Regressão Lasso Técnicas de estimativa
• Palavra(s)-Chave do Pesquisador: Lasso | Modelos de regressão paramétricos | Predição | Regressão paramétrica

Resumo

Lasso é um método de estimação muito utilizado em modelos de regressão paramétricos. Parte da sua popularidade se deve ao fato de que os modelos cujos parâmetros são estimados por esse método geralmente apresentam maior poder preditivo do que quando a estimação é feita por métodos mais tradicionais, como mínimos quadrados ou máxima verossimilhança. Além disso, as estimativas dos parâmetros obtidas pelo método Lasso podem ser interpretadas de forma semelhante a quando são usados métodos tradicionais. No entanto, em muitas situações o Lasso apresenta poder preditivo inferior a alguns modelos de regressão não paramétricos, que por sua vez são em geral difíceis de serem interpretados. Este projeto propõe modificações no Lasso ou em alguma de suas extensões, para que seu poder preditivo fique mais próximo ao dos melhores modelos de regressão não paramétricos. Os métodos propostos serão úteis especialmente em situações em que há interesse tanto na interpretação da relação entre as variáveis preditoras e a resposta quanto na obtenção de boas previsões para novas observações. (AU)