Moda condicional : uma abordagem via regressão quantílica suavizada

Abstract

Recentemente, Ota, Kato e Hara (2019) propuseram estimar a moda condicional de uma resposta, dado um vetor de covariáveis, por um estimador escalonável computacionalmente derivado do modelo de regressão quantílica linear proposto por Koenker e Bassett (1978). Alternativamente, propomos estimar a moda condicional maximizando o estimador de densidade condicional de Fernandes, Guerre e Horta (2021). Esta aborgadem tem pelo menos dois benefícios: eficiência computacional e bom comportamento assintótico, que, em particular, “contornam” a maldição da dimensionalidade.

Recently, Ota, Kato e Hara (2019) proposed to estimate the conditional mode of a response, given a vector of covariates, using a computationally scalable estimator derived from the linear quantile regression model proposed by Koenker e Bassett (1978). Alternatively, we propose to estimate the conditional mode by maximizing the conditional density estimator of Fernandes, Guerre e Horta (2021). This approach offers at least two benefits: computational efficiency and good asymptotic behavior which, in particular, “bypasses” the curse of dimensionality.