Modelos parcialmente lineares com erros simétricos autoregressivos de primeira ordem

• Ano de defesa: 2013
• Autor(a) principal: Relvas, Carlos Eduardo Martins
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: algoritmo back-fitting; análise de resíduos; autoregressive errors; back-fitting algorithm; erros autoregressivos; estimação robusta; influência local.; leverage; local influence.; modelos não paramétricos; modelos semiparamétricos; modelos simétricos; modelos t de Student; natural cubic splines; non-parametric models; pontos de alavanca; residual analysis; robust estimation; semi-parametric models; splines naturais cúbicos; Student-t models; symmetric models
• Link de acesso: http://www.teses.usp.br/teses/disponiveis/45/45133/tde-28052013-182956/

Neste trabalho, apresentamos os modelos simétricos parcialmente lineares AR(1), que generalizam os modelos parcialmente lineares para a presença de erros autocorrelacionados seguindo uma estrutura de autocorrelação AR(1) e erros seguindo uma distribuição simétrica ao invés da distribuição normal. Dentre as distribuições simétricas, podemos considerar distribuições com caudas mais pesadas do que a normal, controlando a curtose e ponderando as observações aberrantes no processo de estimação. A estimação dos parâmetros do modelo é realizada por meio do critério de verossimilhança penalizada, que utiliza as funções escore e a matriz de informação de Fisher, sendo todas essas quantidades derivadas neste trabalho. O número efetivo de graus de liberdade e resultados assintóticos também são apresentados, assim como procedimentos de diagnóstico, destacando-se a obtenção da curvatura normal de influência local sob diferentes esquemas de perturbação e análise de resíduos. Uma aplicação com dados reais é apresentada como ilustração.