Selección robusta de modelos lineales mediante validación cruzada

Este artículo presenta una técnica robusta para la selección de modelos en modelos de regresión, un aspecto importante de cualquier análisis de datos que involucre regresión. Existe el peligro de que los valores atípicos tengan una influencia indebida en el modelo elegido y distorsionen cualquier análisis posterior. Proporcionamos un algoritmo robusto para la selección de modelos utilizando los métodos de validación cruzada de Shao para la elección de variables como punto de partida. Dado que las técnicas de Shao se basan en mínimos cuadrados, son sensibles a los valores atípicos. Desarrollamos nuestro procedimiento robusto utilizando las mismas ideas de validación cruzada que Shao pero utilizando estimadores que son de influencia óptima acotada para la predicción. Demostramos la efectividad de nuestro procedimiento robusto en proporcionar protección contra valores atípicos tanto en un estudio de simulación como en un ejemplo real. Contrastamos los resultados con los obtenidos por el método de Shao, demostrando una mejora sustancial en la elección del modelo correcto en presencia de valores atípicos con poca pérdida de eficiencia en el modelo normal.