BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Pruska Dorota
Tytuł
Odporność metody najgłębszej regresji na obserwacje nietypowe - analiza porównawcza
Resistance of the deepest regression method to the untypical observation - comparative analysis
Źródło
Wiadomości Statystyczne, 2006, nr 12, s. 18-25, bibliogr. 8 poz.
Słowa kluczowe
Obserwacje nietypowe, Odporne metody statystyczne, Analiza regresji, Analiza danych statystycznych
Outliers, Robust statistical methods, Regression analysis, Statistical data analysis
Uwagi
summ., rez.
Abstrakt
Obserwacje nietypowe, występujące w zbiorach danych zmniejszają dokładność oszacowań parametrów modeli uzyskanych za pomocą metody najmniejszych kwadratów. Analiza zbiorów danych zawierających obserwacje odstające wymaga stosowania metod odpornych na te obserwacje. W artykule dokonano porównania odporności na obserwacje nietypowe dwóch metod estymacji parametrów funkcji regresji: najgłębszej regresji (MNR) i najmniejszych kwadratów (MNK). Analizie poddano wpływ obserwacji nietypowych na wartości oszacowań parametrów. Przeprowadzone symulacje Monte Carlo we wszystkich rozważanych przypadkach potwierdziły większą odporność na obserwacje nietypowe metody najgłębszej regresji niż metody najmniejszych kwadratów. Porównanie średnich błędów względnych oraz oszacowań parametrów modeli otrzymanych na podstawie metody najmniejszych kwadratów i metody najgłębszej regresji pozwalają stwierdzić, że modele otrzymane za pomocą drugiej metody były lepiej dopasowane do danych, niezależnie od wielkości zakłócenia. (abstrakt oryginalny)

The estimation of regression parameters for data set containing outliers needs the application of robust estimation methods. In the paper the deepest regression method is considered in case of bivarite variables. Some Monte Carlo experiments with outliers are conducted and estimation results for the deepest regression method and ordinary least square method are compared. Experiments confirmed that the deepest regression method is more robust for outliers in the data set than the least square method. (original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Szkoły Głównej Handlowej
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Bibliografia
Pokaż
  1. Brandt S. (1999), Analiza danych. Metody statystyczne i obliczeniowe, PWN, Warszawa
  2. Domański Cz., Pruska K. (2000), Nieklasyczne metody statystyczne, PWE, Warszawa
  3. Hubert M., Rousseeuw P. J., Van Aelst S. (1999), Similarities between location depth and regression depth, strona internetowa www.agoras.ua.ac.be
  4. Rousseeuw P.J., Hubert M. (1999), Regression Depth, JASA 94
  5. Rousseeuw P.J., Van Aelst S., Hubert M. (1999), Rejoinder to the discussion of regression depth, JASA 94
  6. Van Aelst S., Rousseeuw P.J. (2000), Robustness of Deepest Regression, "Journal of Multivariate Analysis" 73
  7. Van Aelst S., Rousseeuw P.J., Hubert M., Struyf A. (2000), The Deepest Regression Method, strona internetowa www.agoras.ua.ac.be
  8. Zeliaś A. (1996), Metody wykrywania obserwacji nietypowych w badaniach ekonomicznych, "Wiadomości Statystyczne" nr 8
Cytowane przez
Pokaż
ISSN
0043-518X
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu