Sparse semiparametric regression for functional data: estimation and variable selection
Jueves 17/10, 12h
El Seminario de Estadística Matemática Multisede en Argentina es un espacio diseñado para ser un punto de encuentro para la estadística matemática en nuestro país. Es organizado conjuntamente por la Facultad de Ingeniería Química de la Universidad Nacional del Litoral, la Universidad de San Andrés, la Universidad Torcuato Di Tella y el Instituto de Cálculo (UBA-CONICET).
Los objetivos de este espacio son la actualización permanente sobre los avances dentro de la disciplina y el fomento de la conexión con el trabajo de la comunidad estadística en diferentes lugares de Argentina.
El séptimo encuentro se realizará el jueves 17 de octubre a las 12h, en modalidad virtual. Estará a cargo de Silvia Novo Diaz, de Universidad Carlos III de Madrid.
Abstract:
Many applied sciences now work with datasets containing multiple functional objects, making the development of flexible and interpretable techniques for functional data analysis a key area of statistical research. This talk focuses on a sparse semiparametric model that flexibly and inter-pretably incorporates the influence of two functional random variables on a scalar response. One covariate is included through a functional single-index structure, while the other is incorporated linearly via a high-dimensional vector of its discretized observations. Due to the sparse nature of the linear component, variable selection is necessary for model estimation, but standard methods may yield inappropriate results. We introduce two new algorithms for selecting impact points in the linear component and estimating the model, both leveraging the functional nature of the linear covariates. Theoretical asymptotic results support both procedures, and finite-sample experiments demonstrate their applicability. Finally, a real data application highlights the predictive power and computational efficiency of the proposed methodology.
References:
Novo, S., Vieu, P., and Aneiros, G., (2021). Fast and efficient algorithms for sparse semiparametric bi-functional regression, Australian and New Zealand Journal of Statistics, 63: 606–638.
Novo, S., Aneiros, G., and Vieu, P., (2021). Sparse semiparametric regression when predictors are mixture of functional and high– dimensional variables, Test, 30: 481-504.
No se requiere inscripción previa. Para poder acceder a este seminario, ingresar en el día y fecha indicados al Zoom, desde aquí (Meeting ID: 848 9680 0058, Passcode: 113165)
Próximo encuentro: 21 de noviembre.
