Single-index Extreme-PLS regression - Inria - Institut national de recherche en sciences et technologies du numérique Access content directly
Conference Papers Year : 2021

Single-index Extreme-PLS regression

Abstract

The goal of this communication is to propose a new approach, called Single-index Extreme-PLS, for dimension reduction in regression and adapted to distribution tails. The objective is to find a linear combination of predictors that best explain the extreme values of the response variable in a non-linear inverse regression model. The asymptotic normality of the Single-index Extreme-PLS estimator is established under mild assumptions. The performance of the method is assessed on simulated data. A statistical analysis of French farm income data, considering extreme cereal yields, is provided as an illustration.
L'objectif de cette communication est de proposer une nouvelle approche, appelée Single-index Extreme-PLS, pour la réduction de dimension en régression qui soit adaptée aux queues de distributions. Nous nous intéressonsà la combinaison linéaire des prédicteurs qui explique au mieux les valeurs extrêmes de la variable réponse dans un contexte de régression inverse non linéaire. La normalité asymptotique de l'estimateur Single-index Extreme-PLS estétablie sous des hypothèses modérées. Les performances de la méthode sontévaluées par simulations numériques. Une analyse statistique de données de revenu agricole français, considérant des rendements céréaliers extrêmes, est fournieà titre d'illustration. Mots-clés. Valeurs extrêmes, Réduction de dimension, Régression inverse non linéaire, Partial Least Squares.
Fichier principal
Vignette du fichier
book_jds2021_meryem.pdf (294.56 Ko) Télécharger le fichier
Origin Files produced by the author(s)

Dates and versions

hal-03267334 , version 1 (22-06-2021)

Identifiers

  • HAL Id : hal-03267334 , version 1

Cite

Meryem Bousebata, Geoffroy Enjolras, Stéphane Girard. Single-index Extreme-PLS regression. JDS 2021 - 52èmes Journées de Statistique organisées par la Société Française de Statistique (SFdS), Jun 2021, Nice / Virtual, France. pp.1-6. ⟨hal-03267334⟩
111 View
59 Download

Share

Gmail Mastodon Facebook X LinkedIn More