Análise e comparação de alguns métodos alternativos de seleção de variáveis preditoras no modelo de regressão linear

• Ano de defesa: 2018
• Autor(a) principal: Marques, Matheus Augustus Pumputis
• 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: Bayesian LASSO; FSR; LARS; LASSO Bayesiano; Linear Models; Linear Regression; Model Selection; Modelos lineares; NAMS; Regressão linear; RFS; Seleção de modelos; Seleção de variáveis; Spike-and-Slab LASSO; Variable Selection
• Link de acesso: http://www.teses.usp.br/teses/disponiveis/45/45133/tde-23082018-210710/

Neste trabalho estudam-se alguns novos métodos de seleção de variáveis no contexto da regressão linear que surgiram nos últimos 15 anos, especificamente o LARS - Least Angle Regression, o NAMS - Noise Addition Model Selection, a Razão de Falsa Seleção - RFS (FSR em inglês), o LASSO Bayesiano e o Spike-and-Slab LASSO. A metodologia foi a análise e comparação dos métodos estudados e aplicações. Após esse estudo, realizam-se aplicações em bases de dados reais e um estudo de simulação, em que todos os métodos se mostraram promissores, com os métodos Bayesianos apresentando os melhores resultados.