초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

회귀모형에서 널리 쓰이는 최소제곱추정법(method of least squares)은 이상치에 대하여 민감하다는 단점으로 비대칭적 특징을 갖는 자료들을 모형화하는 데 부적합하다. 이상치의 영향을 줄이거나 제거하기 위한 전통적인 로버스트 회귀분석들 역시 대부분이 오차항의 대칭성을 전제로 하고 있기 때문에 비대칭적인 자료에 적용하게 되면 ...

회귀모형에서 널리 쓰이는 최소제곱추정법(method of least squares)은 이상치에 대하여 민감하다는 단점으로 비대칭적 특징을 갖는 자료들을 모형화하는 데 부적합하다. 이상치의 영향을 줄이거나 제거하기 위한 전통적인 로버스트 회귀분석들 역시 대부분이 오차항의 대칭성을 전제로 하고 있기 때문에 비대칭적인 자료에 적용하게 되면 모수 추정에 상당한 편향을 발생시킨다. 이에 본 논문은 오차항이 비대칭적인 형태의 분포를 이룰 경우, 조건부 평균과 일치하는 조건부 분위수를 추정하여 이를 조건부 평균 추정에 활용할 수 있다는 것에 초점을 맞추었다. 하지만 비대칭 정도가 크면 클수록 조건부 평균과 일치하는 조건부 분위수는 분포의 꼬리 부분에 위치하는 고분위수에 해당하게 되며, 꼬리부분의 큰 변동성으로 추정량은 불안정하다는 단점을 갖는다. 따라서 분위수 회귀를 통해 강건하게 추정된 여러 개의 조건부 분위수 함수들의 선형결합으로 조건부 평균을 추정할 수 있음을 제안하고, 그 성능을 모의실험을 통해 살펴보았다.

Keyword