Resumen

Utilizando la penalización de Agrupación Absoluta y Esparsa de Pares (PACS, por sus siglas en inglés), propusimos el método de regresión cuantílica regularizada (QR) (QR-PACS). La penalización PACS logra la eliminación de predictores insignificantes y la combinación de predictores con coeficientes indistinguibles (IC), que son los dos problemas planteados en la búsqueda del verdadero modelo. QR-PACS extiende PACS desde la configuración de regresión de media a la configuración de regresión cuantílica. El artículo muestra que QR-PACS puede proporcionar una precisión predictiva prometedora, así como identificar grupos relacionados tanto en simulaciones como en datos reales.

• Materias:Metodologías paramétricas Método bootstrap Cuantiles de regresión Estudio longitudinal Gráficos de control
• Subjects:Parametric methodologies Bootstrap method Regression quantiles Longitudinal study Control charts
• Palabras claves:Penalización; Regresión cuantil; PACS; Predictores; Coeficientes; Precisión
• Keywords:Penalty; Quantile regression; PACS; Predictors; Coefficients; Precision