Regresión de rango reducido para variables predictoras y de respuesta mixtas

Área de la Ciencia:

• Las estadísticas
• Las economías
• Ciencia de los datos

Sus antecedentes:

• El análisis de regresión es crucial para comprender las relaciones entre las variables.
• Los métodos existentes a menudo luchan con tipos mixtos de variables predictoras y de respuesta.
• La regresión de rango reducido es efectiva para datos de alta dimensión, pero generalmente requiere tipos de variables específicos.

Objetivo del estudio:

• Introducir un nuevo método de regresión, la regresión mixta generalizada de rango reducido (GMR3), capaz de manejar diversos tipos de variables.
• Desarrollar un algoritmo eficiente para la estimación de la probabilidad máxima en GMR3.
• Evaluar el rendimiento y el comportamiento de GMR3 a través de estudios de simulación y una aplicación empírica.

Principales métodos:

• El método GMR3 propuesto incorpora un escalamiento óptimo para las variables predictoras categóricas.
• Se deriva un algoritmo de majorización-minimización para la estimación de la máxima probabilidad.
• Se llevan a cabo extensos estudios de simulación para evaluar el rendimiento con diferentes variables y configuraciones de datos.

Principales resultados:

• Los estudios de simulación confirman la eficacia del algoritmo GMR3 en varias combinaciones de variables predictivas y de respuesta.
• Simulaciones adicionales investigan el comportamiento del modelo con respecto al rango verdadero y al tamaño de la muestra.
• Una aplicación que utiliza los datos de las encuestas del Eurobarómetro de 2023 demuestra la utilidad práctica de la GMR3.

Conclusiones:

• GMR3 proporciona un marco flexible y potente para el análisis de regresión con tipos de datos mixtos.
• El algoritmo de majorización-minimización derivado garantiza una estimación eficiente.
• GMR3 es una herramienta valiosa para analizar conjuntos de datos complejos en campos como las ciencias sociales y la econometría.