DOĞRUSAL REGRESYON MODELİNİN PARAMETRELERİ İÇİN ALTERNATİF ROBUST TAHMİN EDİCİLER
| Autor: | Mutlu ALTUNTAŞ, Emel ÇANKAYA, Olcay ARSLAN |
|---|---|
| Rok vydání: | 2022 |
| Předmět: | |
| Zdroj: | Volume: 10, Issue: 1 35-58 Eskişehir Teknik Üniversitesi Bilim ve Teknoloji Dergisi B-Teorik Bilimler |
| ISSN: | 2667-419X |
| DOI: | 10.20290/estubtdb.887201 |
| Popis: | This paper considers parameter estimation of the linear regression model with Ramsay-Novick (RN) distributed errors, focusing on its use as an aid to robustness. Positioning within the class of heavy tailed distributions, RN distribution can be defined as the modification of unbounded influence function of a non-robust density so that it has more resistance to outliers. Potential use of this robust density have so far been assessed in Bayesian settings on real data examples and there is a lack of performance assessment for finite samples in classical approach. This study therefore explores its robustness properties when used as error distribution in comparison to normal as well as other alternating heavy-tailed distributions like Laplace and Student-t. An extensive simulation study was conducted for this purpose under different settings of sample size, model parameters and outlier percantages. An efficient data generation of this distribution through random-walk Metropolis algorithm is here also suggested. The results were supported by a real world application on famously known as Brownlee’s stack loss plant data. Bu makale, Ramsay-Novick (RN) hata dağılımlı doğrusal regresyon modelinin parametre tahminini, sağlamlığa yardımcı olarak kullanımına odaklanmayı ele almaktadır. Kalın kuyruklu dağılımlar sınıfı içinde yer alan RN dağılımı, sağlam olmayan bir yoğunluğun sınırsız etki fonksiyonunun aykırı değerlere karşı daha fazla direnç gösterecek şekilde değiştirilmesi olarak tanımlanabilir. Bu sağlam yoğunluğun potansiyel kullanımı şimdiye kadar Bayesyen çalışmalarda gerçek veri örnekleri üzerinde değerlendirilmiştir ve klasik yaklaşımda sonlu örnekler için performans değerlendirmesi eksikliği vardır. Bu nedenle bu çalışma, Normal’e kıyasla Laplace ve t gibi diğer alternatif kalın kuyruklu dağılımların da hata dağılımı olarak kullanılması durumunda sağlamlık özelliklerini araştırmaktadır. Bu amaçla, farklı örneklem büyüklüğü, model parametreleri ve aykırı değer yüzdeleri altında kapsamlı bir simülasyon çalışması yapılmıştır. RN dağılımından rasgele yürüyüş Metropolis algoritması aracılığıyla etkili bir veri üretimi burada önerilmiştir. Sonuçlar, Brownlee’nin yığın kaybı bitki verileri olarak bilinen gerçek dünya uygulamasıyla desteklenmiştir. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|