Comparação de métodos de estimação para problemas com colinearidade e/ou alta dimensionalidade (p > n )

• Ano de defesa: 2016
• Autor(a) principal: Casagrande, Marcelo Henrique
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Alta dimensionalidade; Highdimensionality; LASSO; Mínimos quadrados parciais; Partial least squares; Principal component regression; Regressão por componentes principais; Regressão ridge; Ridge regression
• Link de acesso: http://www.teses.usp.br/teses/disponiveis/104/104131/tde-13082019-083254/

Este trabalho apresenta um estudo comparativo do poder de predição de quatro métodos de regressão adequados para situações nas quais os dados, dispostos na matriz de planejamento, apresentam sérios problemas de multicolinearidade e/ou de alta dimensionalidade, em que o número de covariáveis é maior do que o número de observações. No presente trabalho, os métodos abordados são: regressão por componentes principais, regressão por mínimos quadrados parciais, regressão ridge e LASSO. O trabalho engloba simulações, em que o poder preditivo de cada uma das técnicas é avaliado para diferentes cenários definidos por número de covariáveis, tamanho de amostra e quantidade e intensidade de coeficientes (efeitos) significativos, destacando as principais diferenças entre os métodos e possibilitando a criação de um guia para que o usuário possa escolher qual metodologia usar com base em algum conhecimento prévio que o mesmo possa ter. Uma aplicação em dados reais (não simulados) também é abordada.