Alternativy nejmenších čtverců

Abstract

In the present thesis we deal with the linear regression models based on least squares. These methods are discussed in two groups. The first one focuses on three primary aproaches devided by occurrence of errors in variables. The traditional approach penalizes only the misfit in the de- pendent variable part and is called the ordinary least squares (OLS). An opposite case to the OLS is represented by the data least squares (DLS), which allow corrections only in the explanatory variables. Consecutively, we concentrate ourselves on the total least squares approach (TLS) mi- nimizing the squares of errors in the values of both dependent and independent variables. Finally, we give attention to next group of methods whit high breakdown point, which deal with signifi- cance of the individual observations (least weighted squares) and elimination of outlying obser- vations (least trimmed squares). The main purpose of this work is to describe and compare these models, their assumptions, characteristics, properties of estimates and show them on real data. 1

V přiložené práci se věnujeme lineárním regresním modelům založeným na metodě nejmen- ších čtverců. Ty jsou rozebrány ve dvou skupinách. První se zaměřuje na tři základní postupy rozdělené podle výskytu chyb v proměnných. Tradičním způsobem zabývajícím se chybou jen na straně závislé proměnné je základní metoda nejmenších čtverců (OLS). Opačným případem je metoda datově nejmenších čtverců (DLS), která připouští chyby jen ve vysvětlujících proměn- ných. Následně se soustředíme na ortogonální regresi (TLS) minimalizující čtverce chyb obou proměnných. Nakonec upřeme pozornost na další skupinu metod s vysokým bodem selhání. Tyto metody se věnují významnosti jednotlivých pozorování (metoda nejmenších vážených čtverců) a eliminaci odlehlých pozorování (metoda useknutých nejmenších čtverců). Hlavním cílem práce je popsat a porovnat tyto modely, jejich předpoklady, charakteristiky a vlastnosti odhadů a de- monstrovat je na reálných datech. 1