Resumen

TURKAN, SEMRA  y  TOKTAMIS, ÖNIZ. Detección de observaciones influenciales en modelos de regresión semiparamétricos. Rev.Colomb.Estad. [online]. 2013, vol.36, n.2, pp.271-284. ISSN 0120-1751.

En este artículo, se consideran modelos de regresión semiparamétrica y se examinan observaciones influenciales que pueden tener efectos sobre los estimadores para este modelo. Una de las formas de medir la influencia de una observación individual es borrando la observación en el conjunto de datos. La medida más común bajo esta idea es la distancia de Cook. Recientemente, Daniel Peña introdujo una nueva medida basada en estas ideas. Las distancias de Cook para el vector de parámetros, la función de suavizamiento y la variable respuesta en modelos de regresión semiparamétrica han sido expresadas por otros autores como funciones de los residuales y los puntos de apalancamiento. Se deriva en este artículo, una medida del tipo de la de Peña como función de los residuales y puntos de apalancamiento para el mismo modelo. Se compara el desempeño de estas medidas para la detección de observaciones influenciales usando datos reales y bajo simulación. Los resultados muestran que la medida de Peña es mejor que la distancia de Cook para detectar outliers y puntos de apalancamiento en conjuntos de datos grandes en los modelos de regresión semiparamétrica tales como el modelo de regresión lineal.

Palabras clave : distancia de Cook; outliers; puntos de apalancamiento; medida de Peña; regresión semiparamétrica.

        · resumen en Inglés     · texto en Inglés     · Inglés ( pdf )