Bootstrap robusto en regresión lineal: el caso de tres predictores

Vista sencilla de ítem
dc.citation.titleDecimoctavas Jornadas "Investigaciones en la Facultad" de Ciencias Económicas y Estadísticaes
dc.contributor.organizerSecretaría de Ciencia y Tecnología. Facultad de Ciencias Económicas y Estadística. Universidad Nacional de Rosarioes
dc.creatorBussi, Javier
dc.creatorMarí, Gonzalo Pablo Domingo
dc.creatorMéndez, Fernanda
dc.date.accessioned2017-07-28T13:04:16Z
dc.date.available2017-07-28T13:04:16Z
dc.date.issued2013-11
dc.description.abstractn.d.es
dc.description.filFil: Bussi, Javier - Facultad Ciencias Económicas y Estadística - Universidad Nacional de Rosario- Argentinaes
dc.formatapplication/pdf
dc.formatapplication/pdf
dc.identifier.issn1668-5008es
dc.identifier.urihttp://hdl.handle.net/2133/7571
dc.language.isospaes
dc.relation.publisherversionhttps://www.fcecon.unr.edu.ar/web-nueva/investigacion/actas-de-las-jornadas-anualeses
dc.rightsopenAccesses
dc.rights.holderFacultad Ciencias Económicas y Estadística - Universidad Nacional de Rosario - Argentinaes
dc.rights.textAtribución – No Comercial – Sin Obra Derivada (by-nc-nd)es
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/2.5/ar/*
dc.subjectn.d.es
dc.subjectn.d.es
dc.subjectn.d.es
dc.titleBootstrap robusto en regresión lineal: el caso de tres predictoreses
dc.typeconferenceObject
dc.typedocumento de conferencia
dc.typeacceptedVersion
dc.type.collectioncomunicaciones
dc.type.versionacceptedVersiones

Archivos

Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
Bussi Mari Mendez _bootstrap robusto.pdf
Tamaño:
232.63 KB
Formato:
Adobe Portable Document Format
Descripción:
La inferencia realizada a través de los estimadores robustos debe considerar la precisión de las estimaciones de los parámetros y reflejar la fuerza de los efectos observados. Es impor-tante considerar la posibilidad de que los datos recolectados contengan observaciones atípi-cas (outliers) y por lo tanto se pretenda que la inferencia sea robusta ante esa situación. La inferencia paramétrica se basa en la distribución asintótica de los estimadores con sus res-pectivas propiedades pero su derivación es obtenida bajo escenarios ideales que involucran ciertos supuestos y la ausencia de outliers. Estos escenarios no garantizan la robustez de la inferencia y se basan en aproximaciones basadas en tamaños muestrales grandes. La infe-rencia que utiliza métodos clásicos Bootstrap requiere menos supuestos acerca de los datos pero implican un alto costo computacional y una pérdida de robustez de las estimaciones ante la presencia de observaciones atípicas. Una alternativa que cuenta con la ventaja de ser computacionalmente más sencilla y resistente a la presencia de outliers en la muestra es el Boostrap Rápido y Robusto (FRB: Fast and Robust Bootstrap). Este método en principio puede ser utilizado para cualquier estimador que pueda ser escrito como solución de un sistema de ecuaciones suaves de punto fijo como por ejemplo los estimadores MM. Este trabajo describe este método en el caso de regresión lineal con más de un predictor. Se presentan simulaciones para el caso particular de tres regresores aleatorios, para distin-tos escenarios basados en suponer diferentes distribuciones del error, en donde se compara el rendimiento del FRB con la distribución asintótica empírica del estimador de regresión MM. Esta comparación se realiza a través de la cobertura y la amplitud de cada uno de los intervalos de confianza generados. Con el fin de ilustrar la utilidad del método FRB, se pre-senta una aplicación a datos reales donde se lo compara con el método Bootsrap Clásico (BC), teniendo en cuenta la estimación en la muestra original obtenida a través del estima-dor de regresión MM.
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
Nombre:
license.txt
Tamaño:
3.14 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

FCEyE 2013 - Actas Jornadas Anuales - Decimoctavas: 28 y 29-11-2013