Bestes robustes Regressionsmodell wählen
Verfasst: Sa Feb 25, 2017 1:46 pm
Howdy.
Es gibt verschiedene robuste Regressionsmethoden wie LAR-(aka LAV-, LAD-, L1-Norm-)Regression, Quantil-Regression, M-Estimator. Sie sind insbesondere für Daten geeignet, die die Bedingungen der OLS nicht erfüllen.
Der überwiegende Teil der robusten Regressionsliteratur (, die ich gelesen habe, ) argumentiert abstrakt anhand des Breakdownpoints, welcher robuste Schätzer generell zu bevorzugen sei.
Der andere Teil der robusten Regressionsliteratur (, die ich gelesen habe, ) argumentiert, der beste robuste Schätzer hängt von der Art der nächst vergleichbaren theoretischen Verteilung ab. Z.B. sei der LAR-Schätzer bei approximativer Laplace-Verteilung der beste Schätzer (auch wenn er einen schlechteren Breakdownpoint als Quantil-Schätzer/ M-Schätzer hat).
Frage:
Wie bestimme ich für gegebene Daten, die die Bedingungen der OLS-Regression (schon vom blossen Ansehen) nicht erfüllen, den besten robusten Schätzer von mehreren robusten Schätzern?
Es gibt verschiedene robuste Regressionsmethoden wie LAR-(aka LAV-, LAD-, L1-Norm-)Regression, Quantil-Regression, M-Estimator. Sie sind insbesondere für Daten geeignet, die die Bedingungen der OLS nicht erfüllen.
Der überwiegende Teil der robusten Regressionsliteratur (, die ich gelesen habe, ) argumentiert abstrakt anhand des Breakdownpoints, welcher robuste Schätzer generell zu bevorzugen sei.
Der andere Teil der robusten Regressionsliteratur (, die ich gelesen habe, ) argumentiert, der beste robuste Schätzer hängt von der Art der nächst vergleichbaren theoretischen Verteilung ab. Z.B. sei der LAR-Schätzer bei approximativer Laplace-Verteilung der beste Schätzer (auch wenn er einen schlechteren Breakdownpoint als Quantil-Schätzer/ M-Schätzer hat).
Frage:
Wie bestimme ich für gegebene Daten, die die Bedingungen der OLS-Regression (schon vom blossen Ansehen) nicht erfüllen, den besten robusten Schätzer von mehreren robusten Schätzern?