Una estimación no paramétrica y robusta de la transformación Box-Cox para el modelo de regresión
DOI:
https://doi.org/10.17533/udea.le.n75a11477Palabras clave:
transformación Box-Cox, estimador robusto, estimador no paramétrico, observaciones atípicasResumen
Frecuentemente en el análisis de regresión es necesario transformar la variable dependiente con el fin de obtener aditividad y errores normales y de varianza constante. Box y Cox (1964) proponen una transformación paramétrica de potencia basada en el supuesto de normalidad con el propósito de lograr los objetivos anteriores. Sin embargo, algunos autores tales como Carroll (1980, 1982b), Bickel and Doksum (1981), Powell (1991), Chamberlain (1994), Buchinsky (1995), Marazzi y Yohai (2004) y Fitzenberger et al. (2005) han señalado que dicha transformación no es robusta cuando existen observaciones atípicas en la muestra y proponen estimadores robustos para el parámetro de transformación, reemplazando la verosimilitud normal con una función objetivo que es menos sensible a observaciones atípicas. Este artículo presenta un procedimiento alternativo no paramétrico y robusto que permite obtener la transformación de potencia en la familia de transformaciones de Box-Cox cuando existen observaciones atípicas en la variable dependiente. El procedimiento es una extensión de la propuesta de Castaño (1994, 1995) para una transformación de simetría de un conjunto de datos.
Descargas
Citas
Bassett, Gilbert and koenker, Roger (1978). “Asymptotic Theory of Least Absolute Error Regression”, Journal of American Statistical Association, Vol. 73, pp. 618-622.
Box, G.E.P. and cox, D.R. (1964). “An Analysis of Transformations”, Journal of the Royal Statistical Society, Series B, Vol. 26, pp. 211-252.
Bickel, Peter and doksum, Kjell (1981). “An Analysis of Transformations Revisited”, Journal of the American Statistical Association, Vol. 76, pp. 296-311.
Buchinsky, Moshe (1995). “Quantile Regression, Box-Cox Transformation Model, and the U.S. Wage Structura, 1963-1987”, Journal of Econometrics , Vol. 65, pp.100-154.
Carroll, Raymond (1980). “A Robust Method for Testing Transformation to Achieve Normality”, Journal of the Royal Statistical Society, Series B, Vol. 42, pp. 71-78.
Carroll, Raymond (1982b). “Two Examples of Transformations When there are Possible Outliers”, Applied Statistics, Vol. 31, pp. 149-152.
Castaño, Elkin (1994). “ Una transformación para simetrizar un conjunto de datos usando la familia de transformaciones potenciales”, Revista Colombiana de Estadística, No. 28, pp. 21-36
Castaño, Elkin (1995). “Una transformación de simetría y la media retransformada”, Lecturas de Economía, No. 43, pp. 21-35.
Chamberlain, Gary (1994). “Quantile Regression, Censoring, and the Structure of Wages”. En: Sims, Christopher (ed.), Advances in Econometrics: Sixth World Congress, Vol. 1, Econometric Society Monograph.
Efron, Bradley and tibshirani, Robert (1986). “Booststrap Methods for Standard Errors, Confidence Intervals, and Others Measures of Statistical Accuracy”, Statistical Science, Vol. 1, No. 1, pp. 57-77.
FitzenberGer, Bernd; Wilke, Ralf and zhanG, Xuan (2005). “A Note on Implementing Box-Cox Quantile Regression”, ZEW Discussion Paper No.04-61.
Marazzi, Alfio and yohai, Victor (2004). “Robust Box-Cox transformations for simple regression. Theory and Applications of Recent Robust Methods”, Series: Statistics for Industry and Technology, Birkhauser, Basel. Edited by M. Hubert, G. Pison, A. Struyf and S. Van Aelst. pp 173-182.
Powell, James (1991). “Estimation of Monotonic Regression Models Under Quantile Restrictions”. En: Barnett, William; Powell, James and Tauchen, George (eds.), Nonparametric and Semiparametric Methods in Econometrics, (pp.357-384), Cambridge University Press, New York, NY.
Sakia R.M. (1992). “The Box-Cox Transformation Technique: A Review”. The Statistician, Vol. 41, pp. 169-178
Vinod, Hrishikes (2008). Hands-On Intermediate Econometrics Using R, World Scientific, New Jersey.
Publicado
Cómo citar
Número
Sección
Licencia
Este sitio web, por Universidad de Antioquia, está licenciado bajo una Creative Commons Attribution License.
Los autores que publiquen en esta revista aceptan que conservan los derechos de autor y ceden a la revista el derecho de la primera publicación, con el trabajo registrado con una Licencia de Atribución-NoComercial-CompartirIgual de Creative Commons, que permite a terceros utilizar lo publicado siempre que mencionen su autoría y a la publicación original en esta revista.
Los autores pueden realizar acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del trabajo publicada en la revista (por ejemplo, incluirla en un repositorio institucional o publicarla en un libro) siempre que sea con fines no comerciales y se reconozca de manera clara y explícita que el artículo ha sido originalmente publicado en esta revista.
Se permite y recomienda a los autores publicar sus artículos en Internet (por ejemplo, en páginas institucionales o personales), ya que puede conducir a intercambios provechosos y a una mayor difusión y citación de los trabajos publicados.
