M-estymacja w badaniu małych przedsiębiorstw

• Authors: Grażyna Dehnel , Elżbieta Gołata

Title variants

EN

M-estimation in a Small Business Survey

• Languages of publication: PL

Abstracts

PL

W wielu badaniach z zakresu statystyki gospodarczej liczebność próby jest na tyle duża, że obserwacje odstające mają stosunkowo niewielki wpływ na wartości szacowanych parametrów. W badaniach prowadzonych na niskim poziomie agregacji w ramach statystyki krótkookresowej obecność obserwacji odstających może być jednak znacząca. Z tego powodu w przypadku populacji takich jak populacja przedsiębiorstw obok podejścia klasycznego w badaniach powinien być uwzględniany nurt metod odpornych na występowanie jednostek nietypowych. W literaturze przedmiotu zaproponowano wiele alternatywnych metod estymacji mniej wrażliwych na wartości odstające. W opracowaniu weryfikacji empirycznej poddano jedną z nich – M-estymację. Celem analizy była ocena jej użyteczności w odniesieniu do badania małych przedsiębiorstw.

EN

In many business surveys, sample sizes are large enough to compensate for the presence of outliers, which have a relatively small impact on estimates. However, at low levels of aggregation, the impact of outliers might be significant. Therefore, in the case of a population such as the population of enterprises, the classical approach should be accompanied by methods that resist the occurrence of outliers. To deal with this problem, several alternative technique of estimation, less sensitive to outliers, have been proposed in the statistics literature. In this paper we look at one of them – M-estimation, and compare its usefulness in the small businesses survey.

Keywords

PL

regresja odporna; M-estymacja; statystyka przedsiębiorstw; obserwacje odstające

EN

robust regression; M-estimation; business statistics; outliers

• Publisher: Wydawnictwo Uniwersytetu Ekonomicznego w Krakowie
• Journal: Zeszyty Naukowe Uniwersytetu Ekonomicznego w Krakowie
• Year: 2016
• Issue: 1(949)
• Pages: 5-21

Contributors

author

Grażyna Dehnel

• Uniwersytet Ekonomiczny w Poznaniu, Katedra Statystyki, al. Niepodległości 10, 61-875 Poznań, Poland

author

Elżbieta Gołata

• Uniwersytet Ekonomiczny w Poznaniu, Katedra Statystyki, al. Niepodległości 10, 61-875 Poznań, Poland

References

• Alma Ö.G. [2011], Comparison of Robust Regression Methods in Linear Regression, „International Journal of Contemporary Mathematical Sciences”, vol. 6, nr 9, http://dx.doi.org/10.12988/ijcms.
• Banaś M., Ligas M. [2014], Empirical Tests of Performance of Some M-estimators, „Geodesy and Cartography”, vol. 63, nr 2, http://dx.doi.org/10.2478/geocart-2014-0015.
• Chen C. [2003], Robust Tools in SAS [w:] Developments in Robust Statistics. International Conference on Robust Statistics, red. R. Dutter i in., Springer Science and Business Media, Berlin–Heidelberg, http://dx.doi.org/10.1007/2F978-3-642-57338-5.
• Chen C., Yin G. [2002], Computing the Efficiency and Tuning Constants for M-Estimation, Proceedings of the 2002 Joint Statistical Meetings, American Statistical Association, Alexandria.
• Cox B.G., Binder A., Chinnappa N.B., Christianson A., Colledge M.J., Kott P.S. [1995], Business Survey Methods, John Wiley and Sons, Hoboken, NJ, http://dx.doi.org/10.1002/9781118150504.fmatter.
• Fair R.C. [1974], On the Robust Estimation of Econometric Models, „Annals of Economic and Social Measurement”, vol. 3.
• Hampel F.R., Ronchetti E.M., Rousseeuw P.J., Stahel W.A. [2011], Robust Statistics: The Approach Based on Influence Functions, John Wiley and Sons, Hoboken, NJ, http://dx.doi.org/10.1002/9781118186435.fmatter.
• Holland P., Welsch R. [1977], Robust Regression Using Iteratively Reweighted Least-Squares, „Communications in Statistics – Theory and Methods”, vol. 6, http://dx.doi.org/10.1080/03610927708827533.
• Huber P.J. [1964], Robust Estimation of a Location Parameter, „Annals of Mathematical Statistics”, vol. 35.
• Huber P.J. [1981], Robust Statistics, John Wiley and Sons, New York.
• Renaud O., Victoria-Feser M. [2010], A Robust Coefficient of Determination for Regression, „Journal of Statistical Planning and Inference”, vol. 140, nr 7, http://dx.doi.org/10.1016/j.jspi.2010.01.008.
• Rousseeuw P.J., Leroy A.M. [1987], Robust Regression and Outlier Detection, Wiley-Interscience, New York.
• Trzpiot G. [2013], Wybrane statystyki odporne, „Studia Ekonomiczne”, nr 152.
• User’s Guide. The Robustreg Procedure [2014], SAS Institute, Cary, NC.

Identifiers

DOI

10.15678/ZNUEK.2016.0949.0101