Покращені робастні гребеневі оцінки регресії

Автор(и)

  • Вера Ильинична Грицюк Харківський національний університет радіоелектроніки пр. Леніна, 14, м. Харків, 61166, Україна, Україна

DOI:

https://doi.org/10.15587/1729-4061.2015.37316

Ключові слова:

M-оцінки, принцип Вінзора, робастні гребеневі оцінки

Анотація

У множинній лінійній регресії, коли провісники сильно корельовані, оцінки найменших квадратів (LSE), як правило, дають неточні прогнози. Гребенева регресія, яка грунтується на мінімізації квадратичної функції втрат, чутлива до викидів. Розглянуто дві гладко знижені ψ-функції, засновані на принципі Вінзора, які призводять до асимптотично ефективних оцінок. 

Біографія автора

Вера Ильинична Грицюк, Харківський національний університет радіоелектроніки пр. Леніна, 14, м. Харків, 61166, Україна

Кандидат технічних наук, доцент

Кафедра проектування та експлуатації електронних апаратів

Посилання

  1. Owen, A. (2006). A robust hybrid of lasso and ridge regression. Technical report, Stanford University, CA., 1–14.
  2. Cortez, P., Cerdeira, A., Almeida, F., Matos, T., Reis, J. (2009). Modeling wine preferences by data mining from physicochemical properties. In Decision Support Systems, 47 (4), 547–553. doi: 10.1016/j.dss.2009.05.016
  3. Alma, Ö. G. (2011). Comparison of Robust Regression Methods in Linear Regression. Int. J. Contemp. Math. Sciences, 6 (9), 409–421.
  4. Asad, A., Qadir, M. F. (2005). A Modified M-Estimator for the Detection of Outliers. Pakistan Journal of Statistics and Operation Research, 1, 49–64.
  5. Qadir, M. F. (1996). Robust Method for Detection of Single and Multiple Outliers. Scientific Khyber, 9, 135–144.
  6. Deniel, C., Wood, F. S. (1999). Fitting Equations to Data. John Wiley and Sons, New York, 459.
  7. Rousseeuw, P. J., Leroy, A. M. (1987). Robust Regression and Outlier Detection. John Wiley and Sons, New York, 334. doi: 10.1002/0471725382
  8. Rousseeuw, P. J., Hubert, M. (1996). Recent Development in PROGRESS. Computational Statistics and Data Analysis, 21, 67–85.
  9. Asad, A., Qadir, M. F., Salahuddin (2006). Regression Outliers: New M-Class ψ-Functions Based on Winsor’s Principle With Improved Asymptotic Efficiency. Jornal of Statistics, 13 (1), 67–83.
  10. Gritsyuk, V. I. (2004). The modified least squares algorithm and model choice. Vestnik of National Technical University "KPI", Series Automation and priborostroenie, 17, 47–50.

##submission.downloads##

Опубліковано

2015-02-25

Як цитувати

Грицюк, В. И. (2015). Покращені робастні гребеневі оцінки регресії. Eastern-European Journal of Enterprise Technologies, 1(9(73), 53–57. https://doi.org/10.15587/1729-4061.2015.37316

Номер

Розділ

Інформаційно-керуючі системи