| Autor: |
TÜRKAN, SEMRA, TOKTAMIS, ÖNIZ |
| Jazyk: |
angličtina |
| Rok vydání: |
2013 |
| Předmět: |
|
| Zdroj: |
Revista Colombiana de Estadística, Volume: 36, Issue: 2, Pages: 271-284, Published: 15 DEC 2013 |
| Popis: |
In this article, we consider the semiparametric regression model and examine influential observations which have undue effects on the estimators for this model. One of the approaches to measure the influence of an individual observation is to delete the observation from the data. The most common measure based on this approach is Cooks distance. Recently, Daniel Peña introduced a new measure based on this approach. Penas measure is able to detect high leverage outliers, which could be undetected by Cooks distance, in large data sets in linear regression model. The Cooks distances for parameter vector, unknown smooth function and response variable in semiparametric regression model are expressed by authors as functions of the residuals and leverages. Following the study of them we derive a type of Penas measure as functions of the residuals and leverages for the same model. We compare the performance of these measures as to detection of influential observations using real data, artificial data and simulation. The results show that the performance of Penas measure is better than Cooks distance to detect high leverage outliers in large data sets in the semiparametric regression model such as in the linear regression model. En este artículo, se consideran modelos de regresión semiparamétrica y se examinan observaciones influenciales que pueden tener efectos sobre los estimadores para este modelo. Una de las formas de medir la influencia de una observación individual es borrando la observación en el conjunto de datos. La medida más común bajo esta idea es la distancia de Cook. Recientemente, Daniel Peña introdujo una nueva medida basada en estas ideas. Las distancias de Cook para el vector de parámetros, la función de suavizamiento y la variable respuesta en modelos de regresión semiparamétrica han sido expresadas por otros autores como funciones de los residuales y los puntos de apalancamiento. Se deriva en este artículo, una medida del tipo de la de Peña como función de los residuales y puntos de apalancamiento para el mismo modelo. Se compara el desempeño de estas medidas para la detección de observaciones influenciales usando datos reales y bajo simulación. Los resultados muestran que la medida de Peña es mejor que la distancia de Cook para detectar outliers y puntos de apalancamiento en conjuntos de datos grandes en los modelos de regresión semiparamétrica tales como el modelo de regresión lineal. |
| Databáze: |
OpenAIRE |
| Externí odkaz: |
|
