BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Kosiorowski Daniel (Uniwersytet Ekonomiczny w Krakowie / Wydział Zarządzania)
Tytuł
Analiza danych panelowych z wykorzystaniem głębi regresyjnej
Regression Depth Based Analysis of Panel Data
Źródło
Acta Universitatis Lodziensis. Folia Oeconomica, 2012, t. 271, s. 129-138, tab., rys., bibliogr. 14 poz.
Tytuł własny numeru
Statystyka w praktyce społeczno-gospodarczej
Słowa kluczowe
Modele liniowe, Metody estymacji, Analiza regresji
Linear models, Estimation methods, Regression analysis
Uwagi
streszcz., summ.
Abstrakt
W artykule proponuje się odporne podejście do estymacji parametrów liniowego modelu mieszanego dwóch zmiennych wykorzystujące koncepcję głębi regresyjnej. Wybrane własności proponowanego podejścia porównuje się z własnościami powszechnie wykorzystywanego uogólnionego estymatora najmniejszych kwadratów. (abstrakt oryginalny)

In this paper a robust approach to the linear mixed model parameters estimation is proposed. The approach appeals to the regression depth concept. Selected statistical features of the proposition in a comparison to a generalized least squares estimator are investigated using Monte Carlo approach. (original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Szkoły Głównej Handlowej w Warszawie
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Pełny tekst
Pokaż
Bibliografia
Pokaż
  1. Chatterejee, S., Hadi, A. S. (1986). Influental Observations, High Leverage Points, and Outliers in Linear Regression. Statistical Science, 1(3), s. 379-416.
  2. Copt, S., Hertier S. (2006). Robust MM-Estimation and Inference in Mixed Linear Models. http://www.unige.ch/ses/metri/ Jan 2006.
  3. Copt, S., Victoria-Feser, (2006): High Breakdown Inference For Mixed Linear Models. Journal of the American Statistical Association 101, s. 292-300
  4. Demidenko, E. (2004). Mixed Models - Theory and Applications. Hoboken, New Jersey: John Wiley & Sons.
  5. Greene, W. H. (2005). Econometric Analysis, Prentice Hall, New York
  6. Hampel, F. R., Ronchetti, E. M., Rousseeuw. P. J., & Stahel, W. A. (1986). Robust Statistics: The approach based on influence functions. Nowy York: John Wiley & Sons.
  7. Huber, P., Ronchettii, E. M. (2009). Robust Statistics. John Wiley & Sons. New York
  8. Huggins, R. M., Staudte R. G. (1994) Variance Components Models for Dependent Cell Populations. Journal of the American Statistical Association 89, s. 19-29.
  9. Kosiorowski, D. (2007). O Odpornej Analizie Regresji w Ekonomii na Przykładzie Koncepcji Głębi Regresyjnej. Przegląd Statystyczny (1), s. 109-121.
  10. Kosiorowski, D. (2008). Robust Classification and Clustering Based on the Projection Depth Function. P. Brito (Red.), (strony 209-216). Physica - Verlag, Heidelberg.
  11. Laird N., Ware J. (1982). Random-effects Models for Longitudinal Data, Biometrics 38, 963-974.
  12. McCulloch, Ch. E., Searle, S. R., Neuhaus, J. M. (2008). Generalized, linear, and Mixed Models. John Wiley & Sons, Hoboken, New Jersey.
  13. Rousseeuw, J. P., Hubert, M. (1998). Regression Depth. Journal of The American Statistical Association (94), s. 388-433.
  14. Welsh, A.H., Richardson, A.M., (1997). Approaches to the Robust Estimation of Mixed Models Handbook of Statistics Vol 15, Elsevier Science B.V.
Cytowane przez
Pokaż
ISSN
0208-6018
Język
pol
URI / DOI
http://hdl.handle.net/11089/1913
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu