DOI QR코드

DOI QR Code

선형보간법에 의한 자료 희소성 해결방안의 문제와 대안

Robust Interpolation Method for Adapting to Sparse Design in Nonparametric Regression

  • 박동련 (한신대학교 정보통계학과)
  • 발행 : 2007.11.30

초록

국소선형회귀모형의 추정량은 좋은 특성을 가지고 있는 추정량으로서 가장 흔히 사용되는 비모수적 회귀모형의 추정량이라고 하겠다. 이러한 국소선형 추정량이 자료가 희박한 구간에서는 심하게 왜곡된 추정결과를 보이는 문제가 있으며, Hall과 Turlach(1997)이 제안한 선형보간법이 이러한 문제에 대한 매우 효과적인 해결방안이라는 것은 잘 알려진 사실이다. 그러나 Hall과 Turlach가 제안한 선형보간법이 이상값에 매우 취약하다는 사실은 아직 지적된 적이 없는 문제이다. 이 논문에서는 이상값의 영향력을 감소시킬 수 있는 수정된 선형보간법에 의한 유사자료의 생성방법을 제안하고, 그 특성을 모의실험을 통하여 기존의 방법과 비교하였다.

Local linear regression estimator is the most widely used nonparametric regression estimator which has a number of advantages over the traditional kernel estimators. It is well known that local linear estimator can produce erratic result in sparse regions in the realization of the design and the interpolation method of Hall and Turlach (1997) is the very efficient way to resolve this problem. However, it has been never pointed out that Hall and Turlach's interpolation method is very sensitive to outliers. In this paper, we propose the robust version of the interpolation method for adapting to sparse design. The finite sample properties of the method is compared with Hall and Turlach's method by the simulation study.

키워드

참고문헌

  1. Cleveland, W. S. (1979). Robust locally weighted regression and smoothing scatterplots, Journal of the American Statistical Association, 74, 829-836 https://doi.org/10.2307/2286407
  2. Fan, J. (1992). Design-adaptive nonparametric regression, Journal of the American Statistical Association, 87, 998-1004 https://doi.org/10.2307/2290637
  3. Fan, J. (1993). Local linear regression smoot hers and their minimax efficiencies, The Annals of Statistics, 21, 196-216 https://doi.org/10.1214/aos/1176349022
  4. Fan, J. and Gijbels, I. (1996). Local Polynomial Modelling and its Application, Chapman & Hall/CRC, New York
  5. Hall, P. and Thrlach, B. A. (1997). Interpolation methods for adapting to sparse design in nonparametric regression, Journal of the American Statistical Association, 92, 466-476 https://doi.org/10.2307/2965694
  6. Park, D. (2004). Robustness weight by weighted median distance, Computational Statistics, 19, 367-383 https://doi.org/10.1007/BF03372102
  7. Seifert, B. and Gasser, T. (1996). Finite-sample variance of local polynomials: analysis and solutions, Journal of the American Statistical Association, 91, 267-275 https://doi.org/10.2307/2291404
  8. Wand, M. P. and Jones, M. C. (1995). Kernel Smoothing, Chapman & Hall/CRC, London