از ویکیپدیا، دانشنامه آزاد

پرش به ناوبریپرش به جستجو

مدل های رگرسیون کوتاه یک کلاس از هستند مدل های که در آن نمونه است کوتاه برای محدوده خاصی از متغیر وابسته . این بدان معنی است که مشاهدات با مقادیر در متغیر وابسته زیر یا بالاتر از آستانه های خاص به طور سیستماتیک از نمونه حذف می شوند. بنابراین ، مشاهدات کامل از بین رفته است ، به طوری که نه متغیر وابسته شناخته می شود و نه متغیر مستقل. این در تضاد با مدلهای رگرسیون سانسور شده است که فقط مقدار متغیر وابسته در یک آستانه پایین تر ، یک آستانه بالایی یا هر دو جمع شده است ، در حالی که مقدار متغیرهای مستقل در دسترس است. [1]

کوتاه کردن نمونه یک مسئله فراگیر در علوم اجتماعی کمی هنگام استفاده از داده های مشاهده است ، و در نتیجه توسعه روش های برآورد مناسب مدت زیادی است که مورد توجه اقتصاد سنجی و رشته های مرتبط است. [2] در دهه 1970 ، جیمز هکمن شباهت بین نمونه های کوتاه شده و غیر تصادفی انتخاب شده را تصحیح کرد و اصلاحات هکمن را توسعه داد . [3] [4]

برآورد مدلهای رگرسیون کوتاه شده معمولاً از طریق روش حداکثر احتمال پارامتریک انجام می شود. اخیراً ، تعمیم نیمه پارامتری و غیر پارامتری در ادبیات ارائه شده است ، به عنوان مثال ، بر اساس رویکرد حداقل مربعات محلی [5] یا رویکرد حداکثر احتمال محلی [6] ، که روش های هسته ای هستند.

همچنین به [ ویرایش ] مراجعه کنید

منبع

https://en.wikipedia.org/wiki/Truncated_regression_model