Resumen

El análisis de la mala especificación se extendió a los estimadores sesgados restringidos estocásticos recientemente introducidos cuando existe multicolinealidad entre las variables explicativas. Se examinaron el Estimador de Cresta Restringida Estocástica (SRRE), el Estimador de Cresta Casi No Sesgado Restringido Estocástico (SRAURE), el Estimador de Liu Restringido Estocástico (SRLE), el Estimador de Liu Casi No Sesgado Restringido Estocástico (SRAULE), el Estimador de Regresión de Componentes Principales Restringido Estocástico (SRPCRE), el estimador de clase restringida - (SRrk), y el estimador de clase restringida - (SRrd) en el modelo de regresión mal especificado debido a la falta de variables explicativas relevantes cuando se dispone de información previa incompleta de los coeficientes de regresión. Además, se obtuvieron condiciones de superioridad entre los estimadores y sus respectivos predictores en el sentido de la matriz de error cuadrático medio (

• Materias:Modelar datos Estimadores sesgados Muestreo doble sintético Razón de verosimilitud empírica Diseño adaptativo bayesiano
• Subjects:Modeling data Biased estimators Synthetic double sampling Empirical likelihood ratio Bayesian adaptive design
• Palabras claves:Análisis; Especificación incorrecta; Estimadores restringidos estocásticos; Multicolinealidad; Modelo de regresión; Error cuadrático medio
• Keywords:Analysis; Misspecification; Stochastic restricted estimators; Multicollinearity; Regression model; Mean square error