Analiza danych panelowych z wykorzystaniem głębi regresyjnej

• Autorzy: Daniel Kosiorowski

Warianty tytułu

Regression Depth Based Analysis of Panel Data

• Języki publikacji: PL

Abstrakty

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)

EN

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)

Słowa kluczowe

PL

Modele liniowe; Metody estymacji; Analiza regresji

EN

Linear models; Estimation methods; Regression analysis

• Czasopismo: Acta Universitatis Lodziensis. Folia Oeconomica
• Rocznik: 2012
• Tom: 271 Statystyka w praktyce społeczno-gospodarczej
• Strony: 129--138

Twórcy

autor

Daniel Kosiorowski

• Uniwersytet Ekonomiczny w Krakowie

Bibliografia

• Chatterejee, S., Hadi, A. S. (1986). Influental Observations, High Leverage Points, and Outliers in Linear Regression. Statistical Science, 1(3), s. 379-416.
• Copt, S., Hertier S. (2006). Robust MM-Estimation and Inference in Mixed Linear Models. http://www.unige.ch/ses/metri/ Jan 2006.
• Copt, S., Victoria-Feser, (2006): High Breakdown Inference For Mixed Linear Models. Journal of the American Statistical Association 101, s. 292-300
• Demidenko, E. (2004). Mixed Models - Theory and Applications. Hoboken, New Jersey: John Wiley & Sons.
• Greene, W. H. (2005). Econometric Analysis, Prentice Hall, New York
• 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.
• Huber, P., Ronchettii, E. M. (2009). Robust Statistics. John Wiley & Sons. New York
• Huggins, R. M., Staudte R. G. (1994) Variance Components Models for Dependent Cell Populations. Journal of the American Statistical Association 89, s. 19-29.
• Kosiorowski, D. (2007). O Odpornej Analizie Regresji w Ekonomii na Przykładzie Koncepcji Głębi Regresyjnej. Przegląd Statystyczny (1), s. 109-121.
• Kosiorowski, D. (2008). Robust Classification and Clustering Based on the Projection Depth Function. P. Brito (Red.), (strony 209-216). Physica - Verlag, Heidelberg.
• Laird N., Ware J. (1982). Random-effects Models for Longitudinal Data, Biometrics 38, 963-974.
• McCulloch, Ch. E., Searle, S. R., Neuhaus, J. M. (2008). Generalized, linear, and Mixed Models. John Wiley & Sons, Hoboken, New Jersey.
• Rousseeuw, J. P., Hubert, M. (1998). Regression Depth. Journal of The American Statistical Association (94), s. 388-433.
• Welsh, A.H., Richardson, A.M., (1997). Approaches to the Robust Estimation of Mixed Models Handbook of Statistics Vol 15, Elsevier Science B.V.

Identyfikatory

DOI

11089/1913