Nonparametric bootstrap for estimating variability of robust regression estimators

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F19%3A00517255" target="_blank" >RIV/67985807:_____/19:00517255 - isvavai.cz</a>

Výsledek na webu

<a href="https://github.com/jankalinaUI/Bootstrap-LWS" target="_blank" >https://github.com/jankalinaUI/Bootstrap-LWS</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Nonparametric bootstrap for estimating variability of robust regression estimators

Popis výsledku v původním jazyce

While various robust regression estimators are available for the standard linear regression model, an explicit formula for the covariance matrix is available only for some of them. The procedure implemented in R software performs a nonparametric bootstrap computation of the covariance matrix for several available linear regression estimators: S-estimators, MM-estimators, least trimmed squares, and least weighted squares estimators. Especially for the least weighted squares estimator, this software allows a unique approximate computation, because the explicit formula for the covariance matrix depends on the unknown random errors. It is the main advantage of the presented (nonparametric) procedure that it does not rely on probabilistic assumptions for the random regression errors.

Název v anglickém jazyce

Nonparametric bootstrap for estimating variability of robust regression estimators

Popis výsledku anglicky

While various robust regression estimators are available for the standard linear regression model, an explicit formula for the covariance matrix is available only for some of them. The procedure implemented in R software performs a nonparametric bootstrap computation of the covariance matrix for several available linear regression estimators: S-estimators, MM-estimators, least trimmed squares, and least weighted squares estimators. Especially for the least weighted squares estimator, this software allows a unique approximate computation, because the explicit formula for the covariance matrix depends on the unknown random errors. It is the main advantage of the presented (nonparametric) procedure that it does not rely on probabilistic assumptions for the random regression errors.

Druh

R - Software

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/GA19-05704S" target="_blank" >GA19-05704S: FoNeCo: Analytické základy neurovýpočtů</a><br>

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2019

Kód důvěrnosti údajů

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

Interní identifikační kód produktu

Nonparametric Bootstrap 1.0

Technické parametry

Kód v programovacím jazyce R spustitelný samostatně podle dokumentace, která je součástí jednotlivých souborů. Spuštění vyžaduje knihovnu robustbase. Dostupné pod licencí MIT.

Ekonomické parametry

Software umožňuje uživateli odhadnout varianční matici robustních regresních odhadů pomocí neparametrického bootstrapu. Pro některé z odhadů by jiný způsob výpočtu byl značně složitý a vyžadoval by využít komerční software, pro LWS odhad není jiný způsob výpočtu ani známý. Software tak výrazně usnadňuje práci s robustními regresními odhady.

IČO vlastníka výsledku

67985807

Název vlastníka

Ústav informatiky AV ČR, v. v. i.