The use of robust regression has ga

The use of robust regression has gained popularity among applied econometricians.
Unfortunately, most practitioners who have used these estimators seem
to be unaware of the fact that their properties can be dramatically affected by
both heteroskedasticity and skewness of the errors. In this paper we reconsider
the interpretation of a specific robust regression estimator that has become popular
in applied econometrics, and conclude that its use in this context cannot
be generally recommended. Alternatively, quantile and mode regression could
be used when the researcher wants to estimate conditional location functions
that are robust to the presence of outliers.





The expression “robust regression” denotes a set of estimation techniques that are
less sensitive than ordinary least squares (OLS) to the effect of possible influential
observations. The main argument invoked to justify the use of robust regression is that
it provides efficiency gains in the presence of errors with heavy-tailed distributions.1
In its various forms, robust regression has a well established tradition in statistics (see,
e.g., Huber, 1981; Hampel, Ronchetti, Rousseeuw and Stahel, 1986; Rousseeuw and
Leroy, 1987, and Maronna, Martin and Yohai, 2006). However, apart from median
regression and quantile regression in general (Koenker and Bassett, 1978), robust
regression was slow to gain popularity in economics and econometrics, and it is not
covered in leading modern econometric textbooks.2
Nevertheless, over the past decade, a form of robust regression based on Huber’s
(1964) M-estimator was made available in popular software packages3 and has been
frequently used both in leading research publications and in industry.4 The particular
version of this estimator that has become popular in applied econometrics is based on

ผลลัพธ์ (ไทย) 1:

ใช้การถดถอยที่แข็งแกร่งได้รับความนิยมจาก econometricians ใช้อับ ส่วนใหญ่ผู้ที่ใช้ estimators เหล่านี้ดูเหมือนจะไม่รู้ความจริงที่ว่าคุณสมบัติสามารถเป็นอย่างมากได้รับผลกระทบโดยทั้ง heteroskedasticity และความเบ้ของข้อผิดพลาด ในเอกสารนี้ เรา reconsiderการตีความของประมาณการการถดถอยที่แข็งแกร่งที่ได้กลายเป็นที่นิยมใช้ econometrics และสรุปว่า การใช้ในบริบทนี้ไม่โดยทั่วไปแนะนำ หรือ quantile และโหมดการถดถอยได้ใช้เมื่อนักวิจัยต้องการประเมินตำแหน่งแบบมีเงื่อนไขฟังก์ชันที่มีประสิทธิภาพการของ outliersชุดของเทคนิคการประเมินที่แสดงนิพจน์ "ประสิทธิภาพถดถอย"สำคัญน้อยกว่าปกติกำลังสองน้อยสุด (OLS) ลักษณะพิเศษของทรงอิทธิพลที่สุดสังเกต อาร์กิวเมนต์หลักเรียกให้ของแข็งถดถอยคือให้กำไรประสิทธิภาพในต่อหน้าของข้อผิดพลาดกับหางหนัก distributions.1ในรูปแบบต่าง ๆ ถดถอยประสิทธิภาพมีประเพณีกำหนดขึ้นได้ดีในสถิติ (ดูเช่น Huber, 1981 Hampel, Ronchetti, Rousseeuw และ Stahel, 1986 Rousseeuw และLeroy, 1987 และ Maronna มาร์ติน และ Yohai, 2006) อย่างไรก็ตาม จากค่ามัธยฐานถดถอยและถดถอย quantile ในทั่วไป (Koenker และ Bassett, 1978), แข็งแกร่งถดถอยคือช้าจะได้รับความนิยมในวิชาเศรษฐศาสตร์และ econometrics และไม่ครอบคลุมในนำ econometric textbooks.2 ทันสมัยอย่างไรก็ตาม กว่าทศวรรษ รูปแบบของประสิทธิภาพถดถอยตามของ HuberM-ประมาณการ (1964) ได้ทำให้มีในซอฟต์แวร์ยอดนิยม packages3 และได้รับมักใช้ ในมหาวิทยาลัยชั้นนำ ทั้ง ใน industry.4 เฉพาะรุ่นประมาณนี้ได้กลายเป็นที่นิยมใน econometrics ที่ใช้อยู่

ผลลัพธ์ (ไทย) 2:

การใช้งานที่มีประสิทธิภาพของการถดถอยได้รับความนิยมในหมู่ผู้ใช้ econometricians. แต่น่าเสียดายที่ผู้ปฏิบัติงานส่วนใหญ่ที่มีการใช้ประมาณเหล่านี้ดูเหมือนจะเป็นไม่ได้ตระหนักถึงความจริงที่ว่าคุณสมบัติของพวกเขาได้รับผลกระทบอย่างมากโดยทั้งheteroskedasticity และเบ้ของข้อผิดพลาด ในบทความนี้เราพิจารณาการตีความของประมาณการถดถอยเฉพาะที่แข็งแกร่งที่ได้กลายเป็นที่นิยมในเศรษฐประยุกต์และสรุปได้ว่าการใช้งานในบริบทนี้ไม่สามารถได้รับการแนะนำโดยทั่วไป อีกทางเลือกหนึ่ง quantile และการถดถอยโหมดอาจจะใช้เมื่อนักวิจัยต้องการที่จะประเมินฟังก์ชั่นที่ตั้งเงื่อนไขที่มีประสิทธิภาพเพื่อการปรากฏตัวของค่าผิดปกติ. การแสดงออก "ถดถอยที่แข็งแกร่ง" หมายถึงชุดของเทคนิคการประมาณค่าที่มีความละเอียดอ่อนน้อยกว่าสองน้อยที่สุด (OLS) เพื่อผลของการมีอิทธิพลที่เป็นไปได้สังเกต เหตุผลหลักที่จะปรับการเรียกใช้งานของการถดถอยที่แข็งแกร่งคือการที่จะให้เพิ่มประสิทธิภาพในการปรากฏตัวของข้อผิดพลาดกับ distributions.1 หนักเทลด์ในรูปแบบต่างๆ ของการถดถอยที่แข็งแกร่งมีประเพณีที่ดีขึ้นในสถิติ (ดูเช่นฮิว1981; Hampel, RONCHETTI, Rousseeuw และ Stahel 1986; Rousseeuw และLeroy 1987 และ Maronna ร์ตินและ Yohai 2006) แต่นอกเหนือจากค่าเฉลี่ยการถดถอยและการถดถอย quantile ทั่วไป (Koenker และเซทท์, 1978) ที่แข็งแกร่งถดถอยได้ช้าที่จะได้รับความนิยมในสาขาเศรษฐศาสตร์และเศรษฐและมันก็ไม่ได้ครอบคลุมในชั้นนำtextbooks.2 ทางเศรษฐมิติที่ทันสมัยอย่างไรก็ตามในช่วงทศวรรษที่ผ่านมารูปแบบของการถดถอยที่แข็งแกร่งอยู่บนพื้นฐานของฮิว(1964) M-ประมาณการถูกสร้างขึ้นใน packages3 ซอฟต์แวร์ที่นิยมและได้รับการที่ใช้บ่อยทั้งในสิ่งพิมพ์ชั้นนำในการวิจัยและindustry.4 โดยเฉพาะอย่างยิ่งรุ่นของประมาณการที่ได้กลายเป็นที่นิยมนำมาใช้ในทางเศรษฐศาสตร์คือขึ้นอยู่กับ

ผลลัพธ์ (ไทย) 3:

การใช้สมการถดถอยที่แข็งแกร่งได้รับความนิยมในหมู่ใช้ econometricians .
แต่ผู้ปฏิบัติงานส่วนใหญ่ที่ใช้วิธีการเหล่านี้ดูเหมือน
จะไม่รู้ความจริงที่ว่าคุณสมบัติของพวกเขาสามารถได้รับผลกระทบอย่างมาก โดยทั้งความ heteroskedasticity
และข้อผิดพลาด ในกระดาษนี้เราพิจารณาตีความเฉพาะคึกคัก

สรุปที่ได้กลายเป็นที่นิยมในเศรษฐมิติประยุกต์ และสรุปได้ว่า การใช้ในบริบทนี้ไม่สามารถ
โดยทั่วไปแนะนำ อีกวิธีหนึ่งคือ ควอนไทล์และโหมดการถดถอยอาจ
จะใช้เมื่อนักวิจัยต้องการที่จะประเมินเงื่อนไขการทำงานที่ตั้ง
ที่คึกคักมีผิดปกติ .





การแสดงออก " ถดถอย " แข็งแรง หมายถึง ชุดของเทคนิคการประเมินที่
ความไวน้อยกว่าวิธีกำลังสองน้อยที่สุด ( OLS ) ผลของค่าสังเกตที่มีอิทธิพล
ที่สุด อาร์กิวเมนต์หลักเรียกไปปรับใช้ในการถดถอยที่แข็งแกร่งที่
มันมีประสิทธิภาพกำไรในการแสดงตนของข้อผิดพลาดกับหนักการแจกแจงแบบหางยาว 1
ในรูปแบบต่าง ๆของการถดถอยที่แข็งแกร่งได้ก่อตั้งประเพณีในสถิติ ( ดู
เช่น Admin , 1981 ; hampel ronchetti , ,และ rousseeuw stahel , 1986 ; rousseeuw และ
Leroy 1987 และ maronna มาร์ติน และ yohai , 2006 ) อย่างไรก็ตาม นอกจากการถดถอยและค่ามัธยฐาน
ควอนไทล์ถดถอยโดยทั่วไป ( และ koenker Bassett , 1978 ) การถดถอยที่แข็งแกร่ง
ช้าที่จะได้รับความนิยมในเศรษฐศาสตร์และเศรษฐมิติ และไม่ครอบคลุมในทางตำราชั้นนำทันสมัย
2
แต่กว่าทศวรรษที่ผ่านมา