Regressão Penalizada SCAD
SCAD (Smoothly Clipped Absolute Deviation) é um método de seleção de variáveis e regularização desenvolvido por Fan e Li (2001) que aborda as limitações da penalização L1 (lasso). SCAD utiliza uma penalidade não côncava que realiza automaticamente a seleção de variáveis, mantendo propriedades oraculares: recupera o modelo verdadeiro subjacente como se os preditores verdadeiros fossem conhecidos antecipadamente.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Mapa de métodos
A vizinhança de métodos relacionados — selecione um nó para explorar.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Smoothly Clipped Absolute Deviation Penalized Regression. ScholarGate. https://scholargate.app/pt/psychometrics/scad-penalized-regression
Qual método?
Coloque este método ao lado dos seus pares mais próximos e leia-os lado a lado — a biblioteca dispõe os livros sobre a mesa; a escolha é sua.
- Modelagem Exploratória de Equações EstruturaisPsicometria↔ comparar
- Regressão Penalizada MCPPsicometria↔ comparar
- Análise de Múltiplos FatoresPsicometria↔ comparar
- Modelagem de Equações Estruturais por Mínimos Quadrados ParciaisPsicometria↔ comparar
- Análise de RedundânciaPsicometria↔ comparar
Referenciado por
Similar methods
Encontrou um problema nesta página? Relate ou sugira uma correção →