Técnicas de selección de variables en regresión lineal múltiple

Abstract

Trabajo de Máster en Economía, Finanzas y Computación. Tutor: Dr. D. Antonio Javier Tallón Ballesteros. La selección de variables es una actividad crucial del preprocesamiento de datos. Diversas técnicas han sido propuestas, bajo cuatros enfoques: métodos filtro, embebido, semi-wrapper y wrapper. El objetivo del presente TFM es aplicar métodos de selección de variables a un conjunto datos para reducir la información irrelevante y proponer un plan de actuación para poder abordar tareas en el ámbito de reducción de dimensionalidad. Para tal fin se utilizan dos comandos de Stata, vselect y gvselect, propuestos por Lindsey y Sheather, los que permiten realizar la selección de variables tras realizar una regresión lineal. También se hace uso de los métodos CFS y ReliefF que brinda la herramienta Weka. Para la posterior medición y predicciones se utilizará el modelo de Regresión Lineal Múltiple.

Variable selection is a crucial data preprocessing activity. Various techniques have been proposed, mainly under four approaches: filter, embedded, semi-wrapper and wrapper models irrelevant information. The objective of this Master dissertation is to apply variable selection methods to a test-bed to reduce irrelevant information and propose an action plan to be able to tackle tasks in the field of dimensionality reduction.. For this purpose, two Stata commands are used, vselect and gvselect, proposed by Lindsey and Sheather, which allow the selection of variables after performing a linear regression. The CFS and ReliefF methods provided by the Weka tool are also used. For subsequent measurement and predictions, the Multiple Linear Regression model will be used.