Le contexte. Je voudrais ajuster une droite de régression pour étudier la relation entre une variable de réponse et une covariable continue . En raison de la présence de mauvais points de levier, j'ai opté pour un estimateur MM au lieu de l'estimateur LS habituel.
Méthodologie. Fondamentalement, l'estimation MM est une estimation M initialisée par un estimateur S. Par conséquent, deux fonctions de perte doivent être choisies. J'ai choisi la fonction de perte de Tukey Biweight largement utilisée
avec à l'estimateur S préliminaire (qui donne un point de rupture égal à ), et avec à l'étape M-estimation (pour garantir une efficacité gaussienne de ).
Je voudrais utiliser R pour adapter ma robuste ligne de régression.
Question.
library(MASS)
rlm(y~x,
method="MM",
k0=1.548, c=2.697,
maxit=50)
- Mon code est-il conforme au paragraphe précédent?
- Souhaitez-vous utiliser d'autres arguments facultatifs?
ÉDITER. Suite à ma discussion avec @Jason Morgan, je me rends compte que mon code précédent est incorrect. (@Jason Morgan: Merci beaucoup pour cela!) Cependant, je ne suis toujours pas convaincu par sa proposition. Au lieu de cela, voici ce que je propose maintenant:
library(robustbase)
lmrob(y~x,
tuning.chi=1.548, tuning.psi=2.697)
Je pense que ça colle à la méthodologie maintenant. Êtes-vous d'accord?
Merci!
psi
conséquence. Je laisserais probablementc
sa valeur par défaut pour commencer (je modifierai ma réponse en conséquence).