ESTIMACIÓN ROBUSTA DE MODELOS ADITIVOS MEDIANTE EL ALGORITMO DE BACKFITTING

Abstract

En este trabajo se presenta un método de estimación y simulación de un modelo aditivo a dos variables mediante splines robustos, el método general puede ser aplicado con varias variables. El software utilizado para las simulaciones es S+ y se utiliza explícitamente la función smooth.splineRob en una implementación del algoritmo de backfitting. La función smooth.splineRob ha sido escrita en base al trabajo de Cantoni y Ronchetti [3], en el cual se pone énfasis en la selección robusta del parámetro de suavizamiento utilizando una versión robusta del Cp de Mallows, RCp, y de la validación cruzada, RCV. La existencia de datos extremos o no-normales en la parte estocástica de un modelo aditivo puede provocar una mala estimación del parámetro de suavizamiento, lo que tendrá influencia global en la estimación por splines. Para la etapa de simulación se realizan las estimaciones por splines clásicos y robustos (con estimación robusta del parámetro). La estimación obtenida es muy convincente pero el tiempo de ejecución del programa es relativamente elevado tanto para RCp y RCV, aun cuando, en ciertos casos, con pocas iteraciones robustas se obtienen ya resultados más útiles que la estimación clásica.