Resumen

Las estimaciones de regresión cuantílica son robustas para los valores atípicos en la dirección y, pero son sensibles a los puntos de apalancamiento. El método de regresión cuantílica menos recortada (LTQReg) se propone para superar el efecto de los puntos de apalancamiento. El método LTQReg recorta los residuos más altos basándose en el porcentaje de recorte especificado por los datos. Sin embargo, los puntos de apalancamiento no siempre producen residuos altos y, por lo tanto, el porcentaje de recorte debe especificarse en función de la relación de contaminación, no determinado por un investigador. En este trabajo, proponemos un método modificado de regresión cuantil con mínimos recortados basado en mínimos cuadrados recortados reponderados. Se emplean la distancia de Mahalanobis robusta y las ponderaciones GM6 basadas en los puntos de corte de Gervini y Yohai (2003) para determinar el porcentaje de recorte y detectar los puntos de apalancamiento. Para investigar el rendimiento de los métodos propuestos se recurre a un estudio de simulación y a datos reales.

• Materias:Matemáticas
• Subjects:mathematics
• Palabras claves:puntos de apalancamiento, estimaciones de regresión cuantil, método de regresión cuantil, porcentaje, ponderaciones gm6, método ltqreg, mahalanobis robusto, puntos de corte, residuos altos, residuos altos
• Keywords:leverage points, quantile regression estimates, quantile regression method, percentage, gm6 weights, ltqreg method, robust mahalanobis, cutoff points, high residuals, higher residuals