具有重尾稳健性的广义线性模型及其在精算科学中的应用
统计方法学
2024-02-12 v2
摘要
广义线性模型（GLMs）是统计学中最受欢迎的模型类别之一。例如，其伽马变体在精算科学中用于保险理赔金额的建模。GLMs的一个缺陷是它们对离群点（即错误或极端数据点）不稳健。数据中主体部分与离群点之间的趋势差异因此会导致偏斜的推断与预测。为解决此问题，已引入稳健方法。最常用的稳健方法是频率主义的，由一个源自对数似然导数修正的估计量构成。我们提出一种替代方法，它是基于建模的，因此根本不同。它允许对建模进行理解与解释，并且可应用于频率主义和贝叶斯统计分析。该方法具有引人注目的理论与经验性质。
引用
@article{arxiv.2305.13462,
title = {Robust heavy-tailed versions of generalized linear models with applications in actuarial science},
author = {Philippe Gagnon and Yuxi Wang},
journal= {arXiv preprint arXiv:2305.13462},
year = {2024}
}