Busca avançada
Ano de início
Entree
Conteúdo relacionado
(Referência obtida automaticamente do Web of Science, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores.)

NONPARAMETRIC LACK-OF-FIT TESTING AND CONSISTENT VARIABLE SELECTION

Texto completo
Autor(es):
Zambom, Adriano Zanin [1] ; Akritas, Michael G. [2]
Número total de Autores: 2
Afiliação do(s) autor(es):
[1] Univ Estadual Campinas, Dept Stat, BR-13083859 Campinas, SP - Brazil
[2] Penn State Univ, Dept Stat, University Pk, PA 16802 - USA
Número total de Afiliações: 2
Tipo de documento: Artigo Científico
Fonte: STATISTICA SINICA; v. 24, n. 4, p. 1837-1858, OCT 2014.
Citações Web of Science: 9
Resumo

Let X be a d-dimensional vector of covariates and Y be the response variable. Under the nonparametric model Y = m(X) + sigma(X)epsilon we develop an ANOVA-type test for the null hypothesis that a particular coordinate of (X) over dot has no influence on the regression function. The asymptotic distribution of the test statistic, using residuals based on local polynomial regression, is established under the null hypothesis and local alternatives. Simulations suggest that the test outperforms existing procedures in heteroscedastic settings. Using p-values from this test, a variable selection method based on False Discovery Rate corrections is proposed, and proved to be consistent in estimating the set of indices corresponding to the significant covariates. Simulations suggest that, under a sparse model, dimension reduction techniques can help avoid the curse of dimensionality. We also propose a backward elimination version of this procedure, called BEAMS (Backward Elimination ANOVA-type Model Selection), which performs competitively against well-established procedures in linear regression settings, and outperforms them in nonparametric settings. A data set is analyzed. (AU)

Processo FAPESP: 12/22603-6 - Testes de hipótese em modelos de efeitos fixos e mistos e suas aplicações para preditores em ANCOVA e regressão não paramétrica
Beneficiário:Ronaldo Dias
Linha de fomento: Auxílio à Pesquisa - Pesquisador Visitante - Internacional
Processo FAPESP: 12/10808-2 - Algoritmos para Testes de Hipótese em Regressão Não-Paramétrica e suas Propriedades Assintóticas com Aplicações em Seleção de Variáveis
Beneficiário:Adriano Zanin Zambom
Linha de fomento: Bolsas no Brasil - Pós-Doutorado