Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Minimum distance tests and estimates based on ranks

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14310%2F20%3A00117545" target="_blank" >RIV/00216224:14310/20:00117545 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://www.ine.pt/revstat/pdf/REVSTAT_v18-n3-4.pdf" target="_blank" >https://www.ine.pt/revstat/pdf/REVSTAT_v18-n3-4.pdf</a>

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Minimum distance tests and estimates based on ranks

  • Popis výsledku v původním jazyce

    It is well known that the least squares estimate in classical linear regression model is very sensitive to violation of the assumptions, in particular normality of model errors. That is why a lot of alternative estimates has been developed to overcome these shortcomings. Quite interesting class of such estimates is formed by R-estimates. They use only ranks of response variable instead of their actual value. The goal of this paper is to extend this class by another estimates and tests based only on ranks. First, we will introduce a new rank test in linear regression model. The test statistic is based on a certain minimum distance estimator, but unlike classical rank tests in regression it is not a simple linear rank statistic. Then, we will return back to estimates and generalize minimum distance estimates for various type of distances. We will show that in some situation these tests and estimates have greater power than the classical ones. Theoretical results will be accompanied by a simulation study to illustrate finite sample behavior of estimates and tests.

  • Název v anglickém jazyce

    Minimum distance tests and estimates based on ranks

  • Popis výsledku anglicky

    It is well known that the least squares estimate in classical linear regression model is very sensitive to violation of the assumptions, in particular normality of model errors. That is why a lot of alternative estimates has been developed to overcome these shortcomings. Quite interesting class of such estimates is formed by R-estimates. They use only ranks of response variable instead of their actual value. The goal of this paper is to extend this class by another estimates and tests based only on ranks. First, we will introduce a new rank test in linear regression model. The test statistic is based on a certain minimum distance estimator, but unlike classical rank tests in regression it is not a simple linear rank statistic. Then, we will return back to estimates and generalize minimum distance estimates for various type of distances. We will show that in some situation these tests and estimates have greater power than the classical ones. Theoretical results will be accompanied by a simulation study to illustrate finite sample behavior of estimates and tests.

Klasifikace

  • Druh

    J<sub>imp</sub> - Článek v periodiku v databázi Web of Science

  • CEP obor

  • OECD FORD obor

    10103 - Statistics and probability

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2020

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název periodika

    REVSTAT Statistical Journal

  • ISSN

    1645-6726

  • e-ISSN

    2183-0371

  • Svazek periodika

    18

  • Číslo periodika v rámci svazku

    3

  • Stát vydavatele periodika

    PT - Portugalská republika

  • Počet stran výsledku

    12

  • Strana od-do

    299-310

  • Kód UT WoS článku

    000557809200004

  • EID výsledku v databázi Scopus

    2-s2.0-85090629480