Odporna regresja kwantylowa

• Autorzy: Grażyna Trzpiot
• Języki publikacji: PL

Abstrakty

Odporna regresja kwantylowa jest zbiorem procedur statystycznych bazujących na regresji, autoregresji i warunkowych kwantylach oraz na regresji i auto-regresji ocen rangowych (rank scores). Wymienione procedury mogą zastąpić klasyczną estymację oraz procedury testowania w klasycznej liniowej regresji oraz modelach autoregresyjnych, wykorzystujących metodę najmniejszych kwadratów, szczególnie w takich przypadkach, gdy nie mamy gwarancji, że badany zbiór obserwacji ma rozkład zgodny z rozkładem normalnym. To było powodem podjęcia omawianej tematyki we wcześniejszych pracach (Trzpiot 2009, Trzpiot 2011, Trzpiot 2011a). Charakter omawianych metod jest nieparametryczny w tym sensie, że nie zakładamy specyficznego rozkładu dla badanego zbioru obserwacji i odporny w odniesieniu do obserwacji odstających (outliers) zmiennej zależnej. Dodatkowo procedury bazujące na regresji ocen rangowych nie zależą od ewentualnych zaburzeń regresji, ponieważ regresje rangowanych ocen są niezmiennicze względem parametrów regresji, analogicznie porządki rangowe są niezmiennicze względem przesunięcia wartości parametru położenia. (fragment tekstu)

Słowa kluczowe

PL

Regresja kwantylowa

EN

Quantile regression

• Czasopismo: Prace Naukowe / Uniwersytet Ekonomiczny w Katowicach
• Rocznik: 2012
• Tom: Dylematy ekonometrii: praca zbiorowa, 2. Księga pamiątkowa dla uczczenia 50-lecia pracy naukowej Profesora zw. dr. hab. Andrzeja Stanisława Barczaka Doktora honoris causa
• Strony: 147--157

Twórcy

autor

Grażyna Trzpiot

• Uniwersytet Ekonomiczny w Katowicach

Bibliografia

• Dodge Y., Jureckovä J. (2000), Adaptive Regression. Springer-Verlag, New York.
• Gutenbrunner C., Jureckovä J. (1992), Regression rank scores and regression quantiles. "The Annals of Mathematical Statistics" No. 20.
• Hallin M., Jureckovä J., Picek Zahaf T. (1999), Nonparametric tests of independence of two autoregressive time series based on autoregression rank scores. "Journal of Statistical Planning Inference" No. 75.
• Jureckovä J. (2000), Test of tails based on extreme regression quantiles. "Statistics and Probability Letters" No. 49.
• Jureckovä J., Prochäzka B. (1994), Regression quantiles and trimmed least squares estimation in nonlinear regression model. "Journal of Nonparametric Statistics" No. 3.
• Kalvova J., Jureckova J., Picek J., Nemesova I. (2000), On the order of autoregressive (AR) model in temperature series. "Meteorological Journal" No. 3.
• Koenker R., d'Orey V. (1987), Computing regression quantiles. Applied Statistics" No. 36.
• Koenker R., d., 'Orey V. (1994), A remark on algorithm AS 229: Computing dual regression quantiles and regression rank scores. "Applied Statistics" No. 42.
• Koenker R., Ng P., Portnoy S. (1994), Quantile smoothing splines. "Biometrika" No. 81.
• Koenker R., Portnoy S. (1987), L-estimation for linear models. "Journal of the American Statistical Association" No. 82.
• Portnoy S., Jureckova J. (1999), On extreme regression quantiles. "Extremes" No. 2.
• Trzpiot G. (2009), Extreme value distributions and robust estimation. Acta Universitatis Lodziensis, Łódź, Folia Economica No. 228.
• Koenker R., d'Orey V. (1987), Computing regression quantiles. "Trzpiot G. (2011), Wybrane odporne metody estymacji beta. W: Modelowanie preferencji a ryzyko. Studia Ekonomiczne nr 96, Uniwersytet Ekonomiczny w Katowicach.
• Trzpiot G. (2011), Odporna analiza szeregów czasowych. Prace Naukowe nr 165, Uniwersytet Ekonomiczny we Wrocławiu.