Modelos Empíricos de Pós-Dupla Seleção por LASSO: Discussões para Estudos do Transporte Aéreo

O presente trabalho apresenta e discute formas de estimação por regressão regularizada e seleção de modelos com uso do método LASSO – Least Absolute Shrinkage and Selection Operator. O LASSO é reconhecido como um dos principais métodos de aprendizado supervisionado aplicados à econometria de alta dimensionalidade, permitindo trabalhar com grandes volumes de dados e múltiplos controles correlacionados. São abordadas questões conceituais relacionadas às consequências da alta dimensionalidade na econometria moderna e ao princípio da esparsidade, que fundamenta procedimentos de regularização. O estudo examina os principais modelos de pós-dupla seleção e pós-regularização, incluindo variações aplicadas a modelos de variáveis instrumentais. Também é apresentada uma breve descrição do pacote de rotinas lassopack, suas sintaxes e exemplos de modelos HD, HDS (High-Dimension Sparse) e IV-HDS, com combinações envolvendo estimadores de efeitos fixos. Por fim, discute-se o potencial de aplicação da abordagem em pesquisas voltadas ao transporte aéreo, com destaque para um estudo empírico sobre eficiência operacional de companhias aéreas e consumo de combustível de aeronaves.