GTL regression: a linear model with skewed and thick-tailed disturbances
GTL regression: a linear model with skewed and thick-tailed disturbances
复制标题
GTL 回归：具有偏态和厚尾扰动的线性模型
DOI：
10.1080/03610918.2021.1901918
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
Wim Vijverberg & Takuya Hasebe
中科院分区：
文献类型：
--
作者：
Takao Asano;Akihisa Shibata;and Masanori Yokoo;桑田学;小間大世，河野達仁，風間聡;Tomohiro Ara;岡室博之 西村淳一;Kengo Nutahara;稲垣誠一;内田真人,福光寛,後藤康雄ほか;溝端佐登史;小間大世，河野達仁，風間聡;Mitsuo Inada and Naoto Jinji;COVID-19 and the employment gender gap in Japan;溝端佐登史・杉浦史和;桑田学,環境社会学会;Wim Vijverberg & Takuya Hasebe
当扰动是偏斜的和/或厚尾的时，线性回归模型的极大似然估计相对于通常的普通最小二乘（OLS）估计是有效的。为了模拟偏斜和厚尾扰动，我们指定了一个高度灵活的广义Tukey Lambda（GTL）分布，可以密切模仿许多其他单峰分布。基于GTL的极大似然回归估计是一致的，渐近正态的。蒙特卡洛研究表明，这种基于GTL的估计量相对于OLS估计量的潜在收益，作为一个实际应用，超速罚单的分析说明了GTL回归如何修改标准OLS估计结果。对于应用数据分析师，LM检验统计量被建议作为标准OLS回归方法是否适合手头数据的直接估计后诊断。提供Stata do文件以执行OLS后估计LM检验并实现GTL回归模型。
A maximum likelihood estimator of a linear regression model is efficient relative to the customary Ordinary Least Squares (OLS) estimator when disturbances are skewed and/or thick-tailed. In order to model skewed and thick-tailed disturbances, we specify a highly flexible Generalized Tukey Lambda (GTL) distribution that can closely mimic many other unimodal distributions. The GTL-based maximum likelihood regression estimator is consistent and asymptotically normal. A Monte Carlo study demonstrates the potential gains of this GTL-based estimator over the OLS estimator, and as a real-life application, an analysis of speeding tickets illustrates how GTL regression might modify standard OLS estimation results. For the applied data analyst, an LM test statistic is suggested as a straightforward post-estimation diagnostic of whether the standard OLS regression approach is suitable for the data at hand. Stata do-files are provided to perform the OLS post-estimation LM test and to implement GTL regression models.
登录
查看更多内容
具有稳定误差的线性模型中基于等级的测试
影响因子：
1.2
作者：
M. Hallin;Yvik Swan;Thomas Verdebout;David Veredas
通讯作者：
David Veredas
影响因子：
2.1
作者：
Haupt, Harry;Schnurbus, Joachim;Tschernig, Rolf
通讯作者：
Tschernig, Rolf
DOI：
10.1016/b978-0-12-386908-1.00037-9
发表时间：
2018-11
期刊：
Wiley Series in Probability and Statistics
影响因子：
--
作者：
Bruce E. Blaine
通讯作者：
Bruce E. Blaine
广义Lambda分布参数的最小二乘估计
影响因子：
2.5
作者：
A. Öztürk;R. Dale
通讯作者：
R. Dale
影响因子：
6.3
作者：
T. Mikosch;C. G. Vries
通讯作者：
T. Mikosch;C. G. Vries