Regresión Penalizada SCAD
SCAD (Smoothly Clipped Absolute Deviation) es un método de selección de variables y regularización desarrollado por Fan y Li (2001) que aborda las limitaciones de la penalización L1 (lasso). SCAD utiliza una penalización no cóncava que realiza automáticamente la selección de variables mientras mantiene las propiedades de oráculo: recupera el modelo subyacente verdadero como si los predictores verdaderos se conocieran de antemano.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Mapa de métodos
El vecindario de métodos relacionados: selecciona un nodo para explorarlo.
Fuentes
- Fan, J., & Li, R. (2001). Variable selection via nonconcave penalized likelihood and its oracle properties. Journal of the American Statistical Association, 96(456), 1348-1360. DOI: 10.1198/016214501753382273 ↗
- Zou, H., & Li, R. (2008). One-step sparse estimates in nonconcave penalized likelihood models. Annals of Statistics, 36(4), 1509-1533. DOI: 10.1214/009053607000000802 ↗
- Wang, H., Li, G., & Tsai, C. L. (2007). Regression coefficient and autoregressive order shrinkage and selection via the lasso. Journal of the Royal Statistical Society: Series B (Statistical Methodology), 69(1), 63-78. DOI: 10.1111/j.1467-9868.2007.00577.x ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Smoothly Clipped Absolute Deviation Penalized Regression. ScholarGate. https://scholargate.app/es/psychometrics/scad-penalized-regression
¿Qué método?
Coloca este método junto a sus parientes más cercanos y léelos lado a lado: la biblioteca pone los libros sobre la mesa; la elección es tuya.
- Modelado de Ecuaciones Estructurales ExploratorioPsicometría↔ comparar
- Regresión Penalizada MCPPsicometría↔ comparar
- Análisis de Múltiples FactoresPsicometría↔ comparar
- Modelado de Ecuaciones Estructurales por Mínimos Cuadrados ParcialesPsicometría↔ comparar
- Análisis de RedundanciaPsicometría↔ comparar
Citado por
Similar methods
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →