Regresión no paramértrica con datos faltantes

• Autores: Wenceslao González Manteiga , Ana Pérez González
• Localización: XXVI Congreso Nacional de Estadística e Investigación Operativa: Úbeda, 6-9 de noviembre de 2001, 2001, ISBN 84-8439-080-2
• Idioma: español
• Texto completo no disponible (Saber más ...)
• Resumen

  • Muchas veces tenemos que estimar la función de regresión cuando algunas observaciones son faltantes. En este trabajo se estudia el efecto de las observaciones faltantes en la variable respuesta en la estimación de una función de regresión multivariante. Proponemos dos estimadores no paramétricos basados en el suavizador local lineal multivariante (Ruppert y Wand 1994). El primero utiliza sólo las observaciones completas, y el segundo imputa las observaciones faltantes y luego realiza la estimación con la muestra ya completada. Se estudia su error cuadrático medio y se propone un método para estimar las matrices ventana óptimas basado en el método Bootstrap.