Modelli di regressione con errore di misura nelle esplicative: estensioni ed applicazioni

Progetto: Research project

Dettagli progetto

Description

Il progetto di ricerca ha come argomento i modelli di regressione con errore di misura, ovvero modelli di regressione in cui una o più variabili esplicative sono osservate con "errore". L'obiettivo di tale progetto è la messa a punto di metodologie finalizzate alla stima di tali modelli con particolare enfasi alle applicazioni ecologiche.

Layman's description

L'obiettivo del programma di ricerca è quello di mettere a punto procedure per la stima di modelli di regressione multipli in cui figurano variabili esplicative con e senza errore di misura. In particolare l'interesse è rivolto alla ricerca di metodi che consentano di determinare il lambda (ovvero il rapporto di varianze) ottimo, piuttosto che assumerlo noto. Inoltre è obiettivo del progetto investigare su alcuni approcci che potrebbero essere impiegati per la quantificazione dell'incertezza delle stime, errori standard ed intervalli di confidenza. Le metodologie impiegate si allacceranno alla letteratura del "backfitting", un algoritmo molto noto in ambito di modelli regressivi con componenti smoothing. Infatti è intenzione di tale progetto studiare un algoritmo di stima sfruttando l'idea di backfitting. Inoltre la parte relativa alla determinazione del lambda (il rapporto di varianze) ottimo avrà come riferimento strumenti quali cross-validation o generalized cross-validation.
StatoAttivo
Data di inizio/fine effettiva1/1/07 → …

Fingerprint

Esplora i temi di ricerca toccati da questo progetto. Queste etichette sono generate sulla base dei riconoscimenti/sovvenzioni sottostanti. Insieme formano una fingerprint unica.