Tid: 17 maj 1999 kl 1515-1700
Plats : Seminarierummet 3733, Institutionen för matematik, KTH, Lindstedts väg 25, plan 7. Karta!
Föredragshållare: Ola Hössjer, Matematisk statistik, Lunds Tekniska Högskola
Titel: Betingad bootstrap och modellval
Sammanfattning:
När antalet möjliga prediktorer k i multipel linjär regression är stort (t ex minst 40), är det alltför beräkningskrävande att pröva alla 2k möjliga delmodeller. Framåtinkludering väljer ut en kedja av p+1 nästade modeller (en för varje storlek) och därefter väljs en av dessa modeller ut med hjälp av något lämpligt kriterium.
Traditionella modellvalskriterier, såsom Mallow's Cp, AIC och succesiva F-tester beaktar inte att samma data används för att välja modell och skatta parametrar. Följden blir i regel att alltför stora modeller väljs.
I föredraget modifieras bestraffningstermen för Cp och trösklarna
för F-testerna med Monte Carlo-tekniker. Huvudidén är att använda
en betingad variant av parametrisk bootstrap. Vi återsamplar
från en skattning av modellen och betingar på den ordning
i vilken framåtinkluderingen från början inkluderade prediktorer.
Simuleringarna kan återföras på att generera dels trunkerade
-variabler och dels multivariat normalfördelade slumpvektorer
betingade att ligga i en box. Vägd simulering kan användas för att
snabba upp beräkningarna.
De föreslagna modellväljarnas prestanda undersöks for simulerade data.