Modelos multivariados e penalizados

A rede elástica é um método de regressão que combina linearmente os métodos de laço e crista (veja abaixo). Basicamente, o método da rede elástica encontra os coeficientes de regressão de crista e, em seguida, faz uma redução dos coeficientes do tipo laço.

Essa é uma maneira de usar modelos bayesianos em uma estrutura VAR. Antes de Lasso, o método mais usado para escolher quais variáveis incluir era a seleção por etapas. Naquela época, a regressão de crista era a técnica alternativa mais popular usada para melhorar a precisão da previsão. A regressão Ridge melhora o erro de predição ao reduzir grandes coeficientes de regressão para reduzir o sobreajuste, mas não realiza a seleção de variáveis e, portanto, não ajuda a tornar o modelo mais interpretável.

Lasso, Loast Absolute Shrinkage and Selection Operator é a aplicação mais bem-sucedida de IA na econometria. O Lasso foi introduzido para melhorar a precisão da previsão e a interpretabilidade dos modelos de regressão, alterando o processo de ajuste do modelo para selecionar apenas um subconjunto das variáveis independentes fornecidas para uso no modelo final, em vez de usar todas elas. Lasso força certos coeficientes a serem definidos como zero, escolhendo efetivamente um modelo mais simples que não inclui esses coeficientes.

Os modelos vetoriais de correção de erros são úteis para conjuntos de dados com relacionamentos de longo prazo (também chamados de cointegração). Os VECMs são úteis para estimar os efeitos de curto e longo prazo de uma série temporal em outra. O termo correção de erros se refere ao fato de que o desvio do último período de um equilíbrio de longo prazo, o erro, influencia sua dinâmica de curto prazo. Esses modelos estimam, além das relações de longo prazo entre as variáveis, também diretamente a velocidade com que uma variável dependente retorna ao equilíbrio após uma mudança em outras variáveis. Esta versão é combinada com Lasso, Menor Encolhimento Absoluto e Operador de Seleção, que força certos coeficientes a serem definidos como zero, escolhendo efetivamente um modelo mais simples que não inclui esses coeficientes.