M-estymacja w badaniu małych przedsiębiorstw
DOI:
https://doi.org/10.15678/ZNUEK.2016.0949.0101Słowa kluczowe:
regresja odporna, M-estymacja, statystyka przedsiębiorstw, obserwacje odstająceAbstrakt
W wielu badaniach z zakresu statystyki gospodarczej liczebność próby jest na tyle duża, że obserwacje odstające mają stosunkowo niewielki wpływ na wartości szacowanych parametrów. W badaniach prowadzonych na niskim poziomie agregacji w ramach statystyki krótkookresowej obecność obserwacji odstających może być jednak znacząca. Z tego powodu w przypadku populacji takich jak populacja przedsiębiorstw obok podejścia klasycznego w badaniach powinien być uwzględniany nurt metod odpornych na występowanie jednostek nietypowych. W literaturze przedmiotu zaproponowano wiele alternatywnych metod estymacji mniej wrażliwych na wartości odstające. W opracowaniu weryfikacji empirycznej poddano jedną z nich – M-estymację. Celem analizy była ocena jej użyteczności w odniesieniu do badania małych przedsiębiorstw.
Pobrania
Bibliografia
Alma Ö.G. [2011], Comparison of Robust Regression Methods in Linear Regression, „International Journal of Contemporary Mathematical Sciences”, vol. 6, nr 9, http://dx.doi.org/10.12988/ijcms. DOI: https://doi.org/10.12988/ijcms
Banaś M., Ligas M. [2014], Empirical Tests of Performance of Some M-estimators, „Geodesy and Cartography”, vol. 63, nr 2, http://dx.doi.org/10.2478/geocart-2014-0015. DOI: https://doi.org/10.2478/geocart-2014-0010
Chen C. [2003], Robust Tools in SAS [w:] Developments in Robust Statistics. International Conference on Robust Statistics, red. R. Dutter i in., Springer Science and Business Media, Berlin–Heidelberg, http://dx.doi.org/10.1007/2F978-3-642-57338-5.
Chen C., Yin G. [2002], Computing the Efficiency and Tuning Constants for M-Estimation, Proceedings of the 2002 Joint Statistical Meetings, American Statistical Association, Alexandria.
Cox B.G., Binder A., Chinnappa N.B., Christianson A., Colledge M.J., Kott P.S. [1995], Business Survey Methods, John Wiley and Sons, Hoboken, NJ, http://dx.doi.org/10.1002/9781118150504.fmatter. DOI: https://doi.org/10.1002/9781118150504.fmatter
Fair R.C. [1974], On the Robust Estimation of Econometric Models, „Annals of Economic and Social Measurement”, vol. 3.
Hampel F.R., Ronchetti E.M., Rousseeuw P.J., Stahel W.A. [2011], Robust Statistics: The Approach Based on Influence Functions, John Wiley and Sons, Hoboken, NJ, http://dx.doi.org/10.1002/9781118186435.fmatter. DOI: https://doi.org/10.1002/9781118186435.fmatter
Holland P., Welsch R. [1977], Robust Regression Using Iteratively Reweighted Least-Squares, „Communications in Statistics – Theory and Methods”, vol. 6, http://dx.doi.org/10.1080/03610927708827533. DOI: https://doi.org/10.1080/03610927708827533
Huber P.J. [1964], Robust Estimation of a Location Parameter, „Annals of Mathematical Statistics”, vol. 35. DOI: https://doi.org/10.1214/aoms/1177703732
Huber P.J. [1981], Robust Statistics, John Wiley and Sons, New York.
Renaud O., Victoria-Feser M. [2010], A Robust Coefficient of Determination for Regression, „Journal of Statistical Planning and Inference”, vol. 140, nr 7, http://dx.doi.org/10.1016/j.jspi.2010.01.008. DOI: https://doi.org/10.1016/j.jspi.2010.01.008
Rousseeuw P.J., Leroy A.M. [1987], Robust Regression and Outlier Detection, Wiley-Interscience, New York.
Trzpiot G. [2013], Wybrane statystyki odporne, „Studia Ekonomiczne”, nr 152.
User’s Guide. The Robustreg Procedure [2014], SAS Institute, Cary, NC.
Pobrania
Opublikowane
Numer
Dział
Licencja
Prawa autorskie (c) 2016 Zeszyty Naukowe Uniwersytetu Ekonomicznego w Krakowie
Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa 4.0 Międzynarodowe.
