<div dir="ltr"><p dir="ltr" style="font-size:12.8px">Hi everyone!</p><p dir="ltr" style="font-size:12.8px">This week at the Applied Statistics Workshop we will be welcoming <b>Marc Ratkovic </b>and <b>Dustin Tingley</b>. Marc is an Assistant Professor of Politics at Princeton University, and Dustin is a Professor of Government at Harvard University. They will be presenting work entitled <b><i>Sparse Estimation and Uncertainty with
Application to Subgroup Analysis</i></b><span style="font-size:12.8px">.  Please find the abstract below and on the </span><a href="http://projects.iq.harvard.edu/applied.stats.workshop-gov3009/presentations/peng-ding-harvard-sensitivity-analysis-without" target="_blank">website</a><a></a>. Additionally, the paper is available <a href="http://scholar.harvard.edu/files/dtingley/files/sparsereg.pdf" target="_blank">here</a>.</p><p dir="ltr" style="font-size:12.8px">As usual, we will meet in CGIS Knafel Room 354 from noon to 1:30pm, and lunch will be provided.  See you all there! To view previous Applied Statistics presentations, please visit the <a href="http://projects.iq.harvard.edu/applied.stats.workshop-gov3009/videos" target="_blank">website</a>.</p><p dir="ltr" style="font-size:12.8px">-- Aaron Kaufman</p><p dir="ltr" style="font-size:12.8px"><span style="font-size:12.8px">Title: </span><span style="font-size:small">Sparse Estimation and Uncertainty with
Application to Subgroup Analysis</span></p><p dir="ltr" style="font-size:12.8px"><span style="font-size:small">Abstract: </span><span style="font-size:small">We introduce a Bayesian method, LASSOplus, that unifies recent contributions in the
sparse modeling literatures, while substantially extending upon pre-existing estimators in
terms of both performance and flexibility. Unlike existing Bayesian variable selection methods,
LASSOplus both selects and estimates effects, while returning estimated confidence intervals
among discovered effects. Furthermore, we show how LASSOplus easily extends to modeling
repeated observations, and permits a simple Bonferroni correction to control coverage on
confidence intervals among discovered effects. We situate the LASSOplus in the literature on
exploring sub-group effects, a topic that often leads to a proliferation of estimation parameters.
We also offer a simple pre-processing step that draws on recent theoretical work to
estimate higher-order effects that can be interpreted independent of their lower-order terms.
A simulation study illustrates the method’s performance relative to several existing variable
selection methods. Application to an existing study of support for climate treaties illustrates
the method’s ability to discover substantively relevant effects. Software implementing the
method is made publicly available in the R package <i>sparsereg</i>.</span><br style="font-size:small"><span style="font-size:small">-- </span></p><div><div dir="ltr">Aaron R Kaufman<div>PhD Candidate, Harvard University</div><div>Department of Government</div><div><a href="tel:818.263.5583" value="+18182635583" target="_blank">818.263.5583</a></div></div></div>
</div>