A robust lasso regression for linear mixed-effects models with diagnostic analysis (2021)
- Authors:
- Autor USP: GARCIA, RAFAEL ROCHA DE OLIVEIRA - Interinstitucional de Pós-Graduação em Estatística
- Unidade: Interinstitucional de Pós-Graduação em Estatística
- Sigla do Departamento: SME
- DOI: 10.11606/D.104.2021.tde-02012023-110804
- Subjects: ANÁLISE DE REGRESSÃO E DE CORRELAÇÃO; MODELOS NÃO LINEARES; ROBUSTEZ; VALIDAÇÃO DE MODELOS
- Keywords: Diagnóstico; Diagnostics; Lasso; Lasso; Mixed models; Modelos mistos; Modelos robustos; Regression analysis; Robust models
- Agências de fomento:
- Language: Inglês
- Abstract: Seleção de variáveis é um tópico de elevada importância para o processo de modelagem. A escolha do melhor conjunto de variáveis explicativas pode ser feita com o intuito de melhorar uma previsão ou facilitar a interpretação dos resultados. Contudo, os métodos para seleção de variáveis nem sempre são triviais, principalmente no contexto de modelos lineares de efeitos mistos. A seleção para esses modelos deve ser feita para os efeitos fixos, que estão relacionados a uma média global, e para os efeitos aleatórios, relacionados à variância a nível individual nesse contexto. São dois os tipos de abordagens para a seleção de variáveis em modelos de efeitos mistos: conjunta ou em dois estágios, havendo na literatura existente o processo de seleção conjunta via lasso para modelos lineares de efeitos-mistos normais. Outro tópico de elevada importância, é a análise de diagnóstico e resíduos. Enquanto as análises de resíduos são feitas para investigar problemas com o modelo ajustado e identificação de observações atípicas, uma análise de diagnóstico é feita assumindo o modelo como correto, e investigando a robustez das conclusões a pequenas perturbações dos dados e/ou no modelo. Para lidar com essas observações, são várias as alternativas. Uma delas, é a utilização de modelos robustos, os quais seriam ditos robustos a perturbações nos dados. Isto é, modelos que melhor se ajustam a conjuntos de dados que possuem pontos considerados como sendo outliers e/ou alavanca. Este trabalho temcomo objetivo utilizar o método robusto para seleção de variáveis em modelos lineares de efeitos mistos e compará-lo com o método normal através de análise de diagnóstico.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2021
- Data da defesa: 22.10.2021
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
GARCIA, Rafael Rocha de Oliveira. A robust lasso regression for linear mixed-effects models with diagnostic analysis. 2021. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2021. Disponível em: https://teses.usp.br/teses/disponiveis/104/104131/tde-02012023-110804/. Acesso em: 06 maio 2026. -
APA
Garcia, R. R. de O. (2021). A robust lasso regression for linear mixed-effects models with diagnostic analysis (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://teses.usp.br/teses/disponiveis/104/104131/tde-02012023-110804/ -
NLM
Garcia RR de O. A robust lasso regression for linear mixed-effects models with diagnostic analysis [Internet]. 2021 ;[citado 2026 maio 06 ] Available from: https://teses.usp.br/teses/disponiveis/104/104131/tde-02012023-110804/ -
Vancouver
Garcia RR de O. A robust lasso regression for linear mixed-effects models with diagnostic analysis [Internet]. 2021 ;[citado 2026 maio 06 ] Available from: https://teses.usp.br/teses/disponiveis/104/104131/tde-02012023-110804/
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
