Publicação
Moda condicional : uma abordagem via regressão quantílica suavizada
| Resumo: | Recentemente, Ota, Kato e Hara (2019) propuseram estimar a moda condicional de uma resposta, dado um vetor de covariáveis, por um estimador escalonável computacionalmente derivado do modelo de regressão quantílica linear proposto por Koenker e Bassett (1978). Alternativamente, propomos estimar a moda condicional maximizando o estimador de densidade condicional de Fernandes, Guerre e Horta (2021). Esta aborgadem tem pelo menos dois benefícios: eficiência computacional e bom comportamento assintótico, que, em particular, “contornam” a maldição da dimensionalidade. |
|---|---|
| Autores principais: | Ongaratto, Artur Matia |
| Assunto: | Regressão quantílica Simulação de Monte Carlo Modal regression Quantile regression Data-driven bandwidth Monte Carlo simulation |
| Ano: | 2022 |
| País: | Brasil |
| Tipo de documento: | dissertação de mestrado |
| Tipo de acesso: | acesso aberto |
| Instituição associada: | IBICT |
| Idioma: | português |
| Origem: | Oasisbr |
| Resumo: | Recentemente, Ota, Kato e Hara (2019) propuseram estimar a moda condicional de uma resposta, dado um vetor de covariáveis, por um estimador escalonável computacionalmente derivado do modelo de regressão quantílica linear proposto por Koenker e Bassett (1978). Alternativamente, propomos estimar a moda condicional maximizando o estimador de densidade condicional de Fernandes, Guerre e Horta (2021). Esta aborgadem tem pelo menos dois benefícios: eficiência computacional e bom comportamento assintótico, que, em particular, “contornam” a maldição da dimensionalidade. |
|---|
Atividades financiadas
Não foram encontrados projetos financiados.