Ridge--Type Shrinkage Estimators in Low and High Dimensional Beta Regression Models with Applications in Econometrics and Medicine
Beta regression (BR) model is useful in the analysis of bounded continuous outcomes such as proportions. It is well-known that for any regression model, the presence of multicollinearity leads to poor performance of the maximum likelihood (ML) estimators. The ridge--type estimators have been proposed to alleviate the adverse effects of the multicollinearity. Furthermore, when some predictors have insignificant or weak effects on the outcomes, it is desired to recover as much information as possible from these predictors instead of discarding them all together. In this talk , we propose ridge--type shrinkage estimators for low and high dimensional BR models, which address the above two issues simultaneously.
Estimateurs de rétrécissement de type ridge dans les modèles de régression bêta à faible et haute dimension avec applications en économétrie et en médecine
Le modèle de régression bêta (RB) est utile dans l'analyse de résultats continus délimités tels que les proportions. Il est bien connu que pour tout modèle de régression, la présence de multicolinéarité entraîne une mauvaise performance des estimateurs du maximum de vraisemblance (MV). Les estimateurs de type ridge ont été proposés pour atténuer les effets négatifs de la multicollinéarité. En outre, lorsque certains prédicteurs ont des effets insignifiants ou faibles sur les résultats, il est souhaitable de récupérer autant d'informations que possible à partir de ces prédicteurs au lieu de les écarter entièrement. Dans cet exposé, nous proposons des estimateurs de rétrécissement de type ridge pour les modèles RB à faible et haute dimension, qui traitent simultanément les deux questions ci-dessus.
Date and Time
-
Langue de la présentation orale
Anglais
Langue des supports visuels
Anglais