Busca avançada
Ano de início
Entree
(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.)

The Spike-and-Slab Lasso regression modeling with compositional covariates: An application on Brazilian children malnutrition data

Texto completo
Autor(es):
Louzada, Francisco [1] ; Shimizu, Taciana K. O. [1] ; Suzuki, Adriano K. [1]
Número total de Autores: 3
Afiliação do(s) autor(es):
[1] Univ Sao Paulo, ICMC, Dept Appl Math & Stat, Sao Carlos, SP - Brazil
Número total de Afiliações: 1
Tipo de documento: Artigo Científico
Fonte: STATISTICAL METHODS IN MEDICAL RESEARCH; v. 29, n. 5 JULY 2019.
Citações Web of Science: 1
Resumo

There are considerable challenges in analyzing large-scale compositional data. In this paper, we introduce the Spike-and-Slab Lasso linear regression in the presence of compositional covariates for parameter estimation and variable selection. We consider the well-known isometric log-ratio (ilr) coordinates to avoid misleading statistical inference. The separable and non-separable (adaptative) Spike-and-Slab Lasso penalties are compared to verify the advantages of each approach. The proposed method is illustrated on simulated and on real Brazilian child malnutrition data. (AU)

Processo FAPESP: 14/16147-3 - Métodos de regressão penalizada para dados composicionais
Beneficiário:Taciana Kisaki Oliveira Shimizu
Linha de fomento: Bolsas no Brasil - Doutorado