Resumen

El interés en la estimación de la varianza en regresión no paramétrica ha crecido enormemente en las últimas décadas. Entre los métodos existentes, se ha demostrado que el estimador de mínimos cuadrados en Tong y Wang (2005) tiene buenas propiedades estadísticas y también es fácil de implementar. Sin embargo, su método solo se aplica a modelos de regresión con errores homocedásticos. En este artículo, proponemos dos estimadores de mínimos cuadrados para la varianza del error en regresión no paramétrica heterocedástica: el estimador de la intersección y el estimador de la pendiente. Se demuestra que ambos estimadores son consistentes y se investigan sus propiedades asintóticas. Finalmente, demostramos a través de estudios de simulación que los estimadores propuestos tienen un mejor rendimiento que el competidor existente en varios escenarios.

• Materias:Modelos matemáticos Conjuntos difusos Ecuaciones integrales Fusión de características Algoritmo de optimización
• Subjects:Mathematical models Fuzzy sets Integral equations Feature fusion Optimization algorithm
• Palabras claves:Estimación de la varianza; Regresión no paramétrica; Estimador de mínimos cuadrados; Errores heterocedásticos; Estimador de la intersección; Estimador de la pendiente
• Keywords:Variance estimation; Nonparametric regression; Least squares estimator; Heteroscedastic errors; Intercept estimator; Slope estimator