基于非对称拉普拉斯分布的分位数回归案例删除诊断
统计理论
2015-09-18 v1 统计理论
摘要
为了对总体分布的形状进行推断，如果分布不近似服从高斯分布（或对称分布），例如广泛流行的均值回归模型是不充分的。与传统的均值回归（MR）相比，分位数回归（QR）能够刻画结果变量的整个条件分布，并且对异常值和误差分布的误设具有更强的稳健性。我们提出了一种基于非对称拉普拉斯分布（ALD）的似然回归分位数估计方法，该分布具有分层表示形式，便于实现用于最大似然估计的 EM 算法。我们基于与 EM 算法相关的完全数据对数似然函数的条件期望，开发了 QR 模型的案例删除诊断分析。通过模拟数据集和真实数据集对所提技术进行了说明，结果表明我们的方法优于其他常见的经典估计量。所提出的算法和方法已在 R 包 ALDqr() 中实现。
引用
@article{arxiv.1509.05099,
title = {Case-Deletion Diagnostics for Quantile Regression Using the Asymmetric Laplace Distribution},
author = {Luis E. Benites and Víctor H. Lachos and Filidor E. Vilca},
journal= {arXiv preprint arXiv:1509.05099},
year = {2015}
}
备注
19 pages