Régression linéaire avec erreurs de Laplace

9

Considérons un modèle de régression linéaire:

yi=xiβ+εi,i=1,,n,
εiL(0,b) , c'est-à-dire , La distribution de Laplace avec 0 moyenne et paramètre d'échelle b , sont tous indépendants les uns des autres. Considérons une estimation de vraisemblance maximale d'un paramètre inconnu β :
logp(yX,β,b)=nlog(2b)+1bi=1n|xiβyi|
à partir de laquelle
β^ML=argminβRmi=1n|xiβyi|

Comment trouver une distribution des résidus yXβ^ML dans ce modèle?

nmerci
la source
Qu'entendez-vous par trouver une distribution des résidus?
jlimahaverford
Étant donné que les résidus peuvent être regroupés dans un vecteur aléatoire, j'aimerais connaître sa distribution. Au moins deux premiers moments.
nmerci
Je l'ai Merci! Avez-vous envisagé de simuler et de tracer?
jlimahaverford
Oui, je veux construire une région de confiance pour les résidus. Par exemple, pour les erreurs gaussiennes, la région est un ellipsoïde.
nmerci

Réponses:

1

Les résidus (en fait appelés erreurs) sont supposés être distribués aléatoirement avec une distribution exponentielle double (distribution de Laplace). Si vous ajustez ces points de données x et y, faites-le numériquement. Vous calculez d'abord beta-hat_ML pour ces points dans leur ensemble en utilisant la formule que vous avez publiée ci-dessus. Cela déterminera une ligne à travers les points. Ensuite, soustrayez la valeur y de chaque point de la valeur y de la ligne à cette valeur x. C'est le résidu pour ce point. Les résidus de tous les points peuvent être utilisés pour construire un histogramme qui vous donnera la distribution des résidus.

Il y a un bon article mathématique à ce sujet par Yang (2014) .

--Lee

Lee G
la source
4
Le lien ne fonctionne pas.
Michael R. Chernick