Comparación de tres métodos de regresión lineal usando procedimientos de simulación
Cuando desea ajustarse un modelo lineal a un conjunto de datos, el método de regresión usualmente más empleado es el de mínimos cuadrados. Este método es óptimo si la distribución de los residuos es gaussiana. Existen casos en donde el supuesto de normalidad en los residuales no se cumple y se hace...
- Autores:
-
Torres C., Juan
- Tipo de recurso:
- Article of journal
- Fecha de publicación:
- 2001
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/39678
- Acceso en línea:
- https://repositorio.unal.edu.co/handle/unal/39678
http://bdigital.unal.edu.co/29775/
- Palabra clave:
- Linear model
regression analysis
simulation
Modelo lineal
análisis de regresión
simulación
- Rights
- openAccess
- License
- Atribución-NoComercial 4.0 Internacional
| Summary: | Cuando desea ajustarse un modelo lineal a un conjunto de datos, el método de regresión usualmente más empleado es el de mínimos cuadrados. Este método es óptimo si la distribución de los residuos es gaussiana. Existen casos en donde el supuesto de normalidad en los residuales no se cumple y se hace necesario el uso de métodos alternativos de regresión, como la regresión vía mínimas desviaciones absolutas (LAD) o la regresión no paramétrica basada en rangos, los cuales no requieren de supuestos distribucionales sobre los residuos y permiten obtener una mejor estimación de los parámetros del modelo de regresión. |
|---|