Resumen

Los estimadores mixtos en regresión no paramétrica han sido desarrollados en modelos con una respuesta. Los casos de bi-respuesta con diferentes patrones entre variables predictoras que tienden a ser estimadores mixtos son encontrados con frecuencia. Por lo tanto, en este artículo, proponemos un modelo de regresión no paramétrica de bi-respuesta con suavizado de splines mixtos y estimadores de kernel. Este estimador mixto es adecuado para modelar datos de bi-respuesta con varios patrones (respuesta vs. predictores) que tienden a cambiar en ciertos subintervalos como el patrón de suavizado de splines, y otros patrones que tienden a ser aleatorios son comúnmente modelados utilizando regresión de kernel. El estimador mixto se obtiene a través de una estimación de dos etapas, es decir, cuadrados mínimos ponderados penalizados (PWLS) y cuadrados mínimos ponderados (WLS). Además, el modelado de bi-respuesta propuesto con estimadores mixtos se valida utilizando datos de simulación. Este estimador también se aplica a los

• Materias:Anillos Modelos dinámicos Teoría de grupos Variedades de curvas Ecuación diferencial
• Subjects:Rings Dynamic models Group theory Varieties of curves Differential Equation
• Palabras claves:Estimadores mixtos; Regresión no paramétrica; Casos de birespuesta; Suavizado de splines; Estimadores de núcleo; Estimación en dos etapas
• Keywords:Mixed estimators; Nonparametric regression; Biresponse cases; Spline smoothing; Kernel estimators; Two-stage estimation