Uma abordagem de M-estimador redescendente para modelagem resiliente a outliers

Resumo O modelo OLS é construído sob a suposição de normalidade na distribuição dos termos de erro. No entanto, essa suposição pode ser facilmente violada, especialmente quando há outliers nos dados. Um único outlier pode interromper a suposição de normalidade dos termos de erro, tornando o modelo OLS menos eficaz. Nesses casos, os M-estimadores (MEs) entram em cena para obter estimativas confiáveis. Introduzimos um M-estimador redescendente (RME) para regressão robusta para lidar com conjuntos de dados com outliers. O RME proposto produz estimativas mais robustas ao gerenciar efetivamente a influência dos outliers, mesmo em valores mais baixos da constante de ajuste. Comparamos o desempenho deste estimador com RMEs existentes usando exemplos de dados do mundo real e um extenso estudo de simulação. Os resultados mostram que nosso RME sugerido é mais eficiente do que o ME comparado em várias situações.