Logistic regression is adopted in failure prediction when the response is binary. We focus on variable selection assuming high-dimensionality and spatial autocorrelation (SAR). Pseudo maximum likelihood is asymptotically consistent for the autologistic when SAR is moderate but, in this framework, there is a shortage of variable selection methods. Robust screening procedures exist for generalized linear models with logit link function, but not for autologistic. We aim, by mean of a computational strategy, to identify the extent in which our screening procedure based on a marginal approach is valid for the autologistic model. We find a good performance, even for large SAR and moderate sample dimension.

Il modello logistico è usato per la previsione del fallimento quando la risposta è binaria. Ci focalizziamo sulla selezione delle variabili rilevanti sotto ipotesi di alta dimensionalità e autocorrelazione spaziale (SAR). Lo stimatore di pseudo massima verosimiglianza è asintoticamente consistente per modelli autologistici con SAR moderata, tuttavia, i metodi di selezione delle variabili in questo contesto scarseggiano. Esistono procedure di screening robuste per modelli lineari generalizzati con link logit, ma non per l’autologistico. Mediante strategia computazionale, si mira a testare la validità della procedure proposta, basata sulla selezione delle covariate rilevanti con un approccio marginale. Otteniamo una buona performance anche quando la SAR è alta e il campione è di dimensioni moderate.

(2021). A screening procedure for high-dimensional autologistic models . Retrieved from http://hdl.handle.net/10446/227966

A screening procedure for high-dimensional autologistic models

Metulini, Rodolfo;
2021-01-01

Abstract

Logistic regression is adopted in failure prediction when the response is binary. We focus on variable selection assuming high-dimensionality and spatial autocorrelation (SAR). Pseudo maximum likelihood is asymptotically consistent for the autologistic when SAR is moderate but, in this framework, there is a shortage of variable selection methods. Robust screening procedures exist for generalized linear models with logit link function, but not for autologistic. We aim, by mean of a computational strategy, to identify the extent in which our screening procedure based on a marginal approach is valid for the autologistic model. We find a good performance, even for large SAR and moderate sample dimension.
2021
Metulini, Rodolfo; Giordano, Francesco
File allegato/i alla scheda:
File Dimensione del file Formato  
Metulini_Giordano_2021_SIS.pdf

Solo gestori di archivio

Versione: publisher's version - versione editoriale
Licenza: Licenza default Aisberg
Dimensione del file 253.8 kB
Formato Adobe PDF
253.8 kB Adobe PDF   Visualizza/Apri
Pubblicazioni consigliate

Aisberg ©2008 Servizi bibliotecari, Università degli studi di Bergamo | Terms of use/Condizioni di utilizzo

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10446/227966
Citazioni
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact