Latent structureVariable Selection

Regression Penalizzata SCAD

SCAD (Smoothly Clipped Absolute Deviation) è un metodo di selezione e regolarizzazione delle variabili sviluppato da Fan e Li (2001) che affronta le limitazioni della penalizzazione L1 (lasso). SCAD utilizza una penalità non concava che esegue automaticamente la selezione delle variabili mantenendo le proprietà oracolari: recupera il vero modello sottostante come se i veri predittori fossero noti in anticipo.

Apri in MethodMindIn arrivoApply, compare, get guidance

Tools & resources

Scarica le diapositive

Learn & explore

VideoIn arrivo

Leggi il metodo completo

Riservato ai membri

Accedi con un account gratuito per leggere questa sezione.

Accedi

Mappa dei metodi

Il vicinato dei metodi correlati — seleziona un nodo per esplorare.

Regression Penalizzata SCAD

Modellazione Esplorativa…Regressione Penalizzata…Analisi delle Componenti…Modellizzazione di equaz…Analisi di Ridondanza

Fonti

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 ↗

Come citare questa pagina

ScholarGate. (2026, June 3). Smoothly Clipped Absolute Deviation Penalized Regression. ScholarGate. https://scholargate.app/it/psychometrics/scad-penalized-regression