DETERMINACIÓN DE LA CONSTANTE K EN LA REGRESIÓN RIDGE
Palabras clave:
Cuadrado Medio de la Predicción, Multicolinealidad, Regresión Ridge, Mínimos CuadradosResumen
ABSTRACT
Since the Ordinary Least Square (OLS), no have inside its structure an optimisation method for determine the effect that the
multicollinearity has over the estimate coefficients of the vector , permit to the Ridge Regression (RR) take an important roll in solve this problem. In this paper, we present the steps for the determination of the constant of proportionality K, with we obtain a smaller variance that this estimate by OLS, over the focus of the Total mean square of the Prediction (TMSP). β ˆ
RESUMEN
Desde que el método de Mínimos Cuadrados (MC), no tiene dentro de su estructura un método de optimización para determinar
el efecto que la multicolinealidad tiene sobre los coeficientes estimados del vector , permite a la regresión Ridge (RR), tomar importancia en resolver este problema. En este artículo, presentamos el desarrollo de la determinación de la constante de proporcionalidad K, con la que obtenemos una varianza más pequeña que la estimada por MC, bajo el enfoque del Cuadrado Medio de la Predicción Total (CMPT). β ˆ
Palabras Claves: Cuadrado Medio de la Predicción, Multicolinealidad, Regresión Ridge, Mínimos Cuadrados,
Descargas
Citas
Golam Kibria BM. 2003. Performance of Some New Ridge Regression Estimators. Comunication in statistics: Vol 32, No 2, pp 419 – 435.
Hemmerle WJ. 1975. An Explicit Solution for Generalized Ridge Regression. Technometrics, vol 17, No 3 pp 309 – 314.
Hemmerle WJ and Brantle. 1978. Explicit and Constrained Generalized Ridge Estimation. Technometrics, vol 20, No 2 pp 109 – 120.
Hoerl AE y RW Kennard. 1970a. Ridge Regression: Biased estimation for nonorthogonal Problems. Technometrics, vol 12, No, 55-67.
Hoerl AE y RW Kennard. 1970b. Ridge Regression: Applications to nonorthogonal problems. Technometrics, vol 12, No 1, 69-82.
Hoerl AE, RW Kennard y KF Baldwin. 1975. Ridge Regression: Some Simulations. Comunication in statistics, 4(2), 105-123.
Hoerl AE y RW Kennard. 1976. Ridge Regression Iterative Estimation of the Biased Parameter. Communication in statistics, A5(1), 77-88.
Lawless JF and PWang. 1976. A Simulation Study of Ridge and other Regression Estimators. Communication in Statistics – Theory and Method, A5(4), 307 – 326.
Montgomery DC, EA Peck and GG Vining. 2002. Introducción al Análisis de Regresión Lineal. México: Editorial Continental tercera edición. Piña
MR, MA Rodríguez y JJ Díaz. 2005. Superioridad de la Regresión General Ridge sobre Mínimos Cuadrados. CULCYT//Enero-Febrero, 2005, México. Año 2, No 6.
Rubio H and L Firinguetti. 2002. The Distribution of Stochastic Shrinkage Parameters in Ridge Regression. Communication in Statistics – Theory and Method: Vol 39 No 9, pp 1531 – 1547.
Publicado
Cómo citar
Número
Sección
Licencia
Todos los contenidos de CULCYT se distribuyen bajo una licencia de uso y distribución “Creative Commons Reconocimiento-No Comercial 4.0 Internacional” (CC-BY-NC). Puede consultar desde aquí la versión informativa de la licencia.
Los autores/as que soliciten publicar en esta revista, aceptan los términos siguientes: a) los/las autores/as conservarán sus derechos de autor y garantizarán a la revista el derecho de primera publicación de su obra; y b) se permite y recomienda a los/las autores/as agregar enlaces de sus artículos en CULCYT en la página web de su institución o en la personal, debido a que ello puede generar intercambios interesantes y aumentar las citas de su obra publicada.
