최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기응용통계연구 = The Korean journal of applied statistics, v.33 no.1, 2020년, pp.1 - 10
서한손 (건국대학교 응용통계학과) , 윤민 (부경대학교 응용수학과)
We propose a unified approach to variable selection, transformation and outliers in the linear model. The procedure includes a sequential method for outlier detection and a least trimmed squares estimator for variable transformation. It uses all possible subsets regressions for model selection. Some...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
회귀분석에 관련된 문제의 특징은 무엇인가? | 회귀분석에 관련된 문제들은 서로 복합적으로 연관되어 있어서 각 문제에 대한 개별적인 해결 방법보다 여러 문제들을 동시에 고려하는 통합적 방법이 필요하다. 회귀분석의 대표적 주제인 변수선택, 이상치 탐지, 변수변환에 관련하여 복수의 주제를 동시에 다룬 방법들이 제안되고 있다. | |
최대우도법추정법에서 이상치의 영향력을 배제하기 위한 추정방법은 무엇이 있는가? | Box-Cox 변환에서 모형변환계수 λ는 주로 최대우도추정법에 의해 추정되지만 최대우도추정법은 이상치에 영향을 받는다는 것이 잘 알려져있다. 최대우도법추정법에서 이상치의 영향력을 배제하기 위한 추정방법은 이상치에 해당하는 관찰치를 제외하고 계산하는 최대절사우도법(maximum trimmed likelihood estimation) (Hadi와 Luceno, 1997)이다. 우도계산에 포함되는 관찰치 집단을 M, 크기를 q라고 하고 βˆq는 변환계수가 λ일 때 β의 최대절사우도추정량이라고 할 때 최대절사우도추정량의 목표함수는 Lq(βˆq) = ∑ i∈M ℓ(βˆq; y(i)(λ))이 되며 Lq(βˆq)는 다음과 같이 분산에 대한 제곱 추정량과 반비례의 관계가 된다. | |
선형회귀모형에서 이상치의 영향을 최소화 하는 방법은 무엇이 있는가? | 선형회귀모형에서 비정규성이나 이분산성등을 해결하기 위해 고려되는 변수변환에서 변환추정 과정은 이상치의 영향을 받는다(Sakia, 1992). 이상치에 대비한 변수변환 절차는 강건추정량을 사용하거나 이상치를 제거하는 방법등이 있다. Atkinson (1986)은 변수변환과정에서 이상치에 의한 수렁현상(swamping phenomenon)을 방지하기 위해 두 단계 추정절차를 제안하였으며 Parker (1988)는 강건 추정량인 L1 추정량을 사용하여 변수변환 값을 추정하였다. |
Atkinson, A. C. (1985). Plots, Transformations and Regression: An Introduction to Graphical Method of Diagnostic Regression Analysis, Oxford University Press, Oxford.
Atkinson, A. C. (1986). Diagnostic tests for transformation, Technometrics, 28, 29-37.
Atkinson, A. C. and Riani, M. (2000). Robust Diagnostic Regression Analysis, Springer, New York.
Box, G. E. P. and Cox, D. R. (1964). An analysis of transformations (with discussion), Journal of Royal Statistical Society, Series B, 26, 211-246.
Brownlee, K. A. (1965). Statistical Theory and Methodology in Science and Engineering (2nd ed), Wiley, New York.
Carroll, R. J. and Ruppert, D. (1988). Transformation and Weighting in Regression (2nd ed), Wiley, New York.
Cheng, T. C. (2005). Robust regression diagnostics with data transformations, Computational Statistics and Data Analysis, 49, 875-891.
Daniel, C. and Wood, F. S. (1980). Fitting Equations to Data: Computer Analysis of Multifactor Data, John Wiley & Sons, New York.
Dupuis, D. J. and Victoria-Feser, M. P. (2011). Fast robust model selection in large datasets, Journal of the American Statistical Association, 106, 203-212.
Dupuis, D. J. and Victoria-Feser, M. P. (2013). Robust VIF regression with application to variable selection in large data sets, Annals of Applied Statistics, 7, 319-341.
Gottardo, R. and Raftery, A. (2009). Bayesian robust transformation and variable selection: a unified approach, Canadian Journal of Statistics, 37, 361-380.
Hadi, A. S. and Luceno, A. (1997). Maximum trimmed likelihood estimators: a unified approach, examples, and algorithms, Computational Statistics and Data Analysis, 25, 251-272.
Hadi, A. S. and Simonoff, J. S. (1993). Procedures for the identification of multiple outliers in linear models, Journal of the American Statistical Association, 88, 1264-1272.
Hoeting, J., Raftery, A. E., and Madigan, D. (1996). A method for simultaneous variable selection and outlier identification in linear regression, Computational Statistics and Data Analysis, 22, 251-270.
Kim, S., Park, S. H., and Krzanowski, W. J. (2008). Simultaneous variable selection and outlier identification in linear regression using the mean-shift outlier model, Journal of Applied Statistics, 35, 283-291.
McCann, L. and Welsch, R. E. (2007). Robust variable selection using least angle regression and elemental set sampling, Computational Statistics and Data Analysis, 52, 249-257.
Parker, I. (1988). Transformations and influential observations in minimum sum of absolute errors regression, Technometrics, 30, 215-220.
Ryan, T. A., Joiner, B. L., and Ryan, B. F. (1976). Minitab Student Handbook, Duxbury Press, Mass.
Sakia, R. M. (1992). The Box-Cox transformation technique: a review, The Statistician, 41, 169-178.
Seo, H. S. (2018). Fast robust variable selection using VIF regression in large datasets, The Korean Journal of Applied Statistics, 31, 463-473.
Wisnowski, J. W., Simpson, J. R., Montgomery, D. C., and Runger, G. C. (2003). Resampling methods for variable selection in robust regression, Computational Statistics and Data Analysis, 43, 341-355.
Yeo, I. (2005). Variable selection and transformation in linear regression models, Statistics and Probability Letters, 72, 219-226.
Zhou, J., Foster, D. P., and Ungar, L. H. (2006). Streamwise feature selection, Journal of Machine Learning Researches, 7, 1861-1885.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
오픈액세스 학술지에 출판된 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.