Resumen

Cuando la dimensión de las covariables en el modelo de regresión es alta, generalmente se utiliza un submodelo como modelo de trabajo que contiene variables significativas. Pero puede estar muy sesgado y el estimador resultante del parámetro de interés puede ser muy pobre cuando los coeficientes de las variables eliminadas no son exactamente cero. En este artículo, basándonos en el submodelo seleccionado, introducimos un método de remodelación de dos etapas para obtener el estimador consistente del parámetro de interés. Más precisamente, en la primera etapa, mediante un ajuste multietapa, reconstruimos un modelo imparcial basado en la información de correlación entre las covariables; en la segunda etapa, reducimos aún más el modelo ajustado mediante un método de selección de variables semiparamétrico y obtenemos simultáneamente un nuevo estimador del parámetro de interés. También se obtienen la tasa de convergencia y la normalidad asintótica. Los resultados de la simulación ilustran además que el nuevo estimador supera a los obtenidos por el sub

• Materias:Ecuaciones diferenciales Dinámica de fragmentación Medios porosos Circuito abierto
• Subjects:Differential equations Fragmentation dynamics Porous media Open circuit
• Palabras claves:Dimensión; Covariables; Submodelo; Estimador; Parámetro; Variables
• Keywords:Dimension; Covariates; Submodel; Estimator; Parameter; Variables