Robust Median Estimator in Logistic Regression
The result's identifiers
Result code in IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21340%2F08%3A04146117" target="_blank" >RIV/68407700:21340/08:04146117 - isvavai.cz</a>
Alternative codes found
RIV/67985556:_____/08:00312780
Result on the web
—
DOI - Digital Object Identifier
—
Alternative languages
Result language
angličtina
Original language name
Robust Median Estimator in Logistic Regression
Original language description
This paper introduces a median estimator of the logistic regression parameters. It is defined as the classical L1-estimator applied to continuous data Z1,...,Zn obtained by a statistical smoothing of the original binary logistic regression observations Y1,...,Yn. Consistency and asymptotic normality of this estimator are proved. A method called enhancement is introduced which in some cases increases the efficiency of this estimator. Sensitivity to contaminations and leverage points is studied by simulations and compared in this manner with the sensitivity of some robust estimators previously introduced to the logistic regression. The new estimator appears to be more robust for larger sample sizes and higher levels of contamination.
Czech name
Robustní mediánový odhad v logistické regresi
Czech description
V článku je zaveden mediánový odhad parametrů logistické regrese. Je definován jako klasický L1-odhad aplikovaný na spojitá data Z1,...,Zn získaná statistickým vyhlazením originálních binárních dat Y1,...,Yn logistické regrese. Je dokázána konzistence aasymptotická normalita tohoto odhadu. Dále je navržena metoda zvaná "vylepšení", která v některých případech zvyšuje eficienci tohoto odhadu. Pomocí simulací je studována citlivost na znečištění dat a odlehlá pozorování a je porovnána s citlivostí některých dříve navržených robustních odhadů pro logistickou regresi. Nový odhad se ukazuje být více robustní pro větší rozsahy výběru a větší stupně znečištění.
Classification
Type
J<sub>x</sub> - Unclassified - Peer-reviewed scientific article (Jimp, Jsc and Jost)
CEP classification
BA - General mathematics
OECD FORD branch
—
Result continuities
Project
<a href="/en/project/1M0572" target="_blank" >1M0572: Data, algorithms, decision making</a><br>
Continuities
Z - Vyzkumny zamer (s odkazem do CEZ)
Others
Publication year
2008
Confidentiality
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Data specific for result type
Name of the periodical
Journal of Statistical Planning and Inference
ISSN
0378-3758
e-ISSN
—
Volume of the periodical
138
Issue of the periodical within the volume
12
Country of publishing house
NL - THE KINGDOM OF THE NETHERLANDS
Number of pages
19
Pages from-to
—
UT code for WoS article
000259755600019
EID of the result in the Scopus database
—