Loading…

Inference in Multiple Linear Regression Model with Generalized Secant Hyperbolic Distribution Errors /Inferencia en modelo de regresion lineal multiple con errores de distribucion secante hiperbolica generalizada

We study multiple linear regression model under non-normally distributed random error by considering the family of generalized secant hyperbolic distributions. We derive the estimators of model parameters by using modified maximum likelihood methodology and explore the properties of the modified max...

Full description

Saved in:
Bibliographic Details
Published in:Ingeniería y ciencia (Medellín, Colombia) Colombia), 2021-01, Vol.17 (33), p.45
Main Authors: Moreno, Alvaro Alexander Burbano, Matínez, Oscar Orlando Melo, Islam, M. Qamarul
Format: Article
Language:English
Online Access:Get full text
Tags: Add Tag
No Tags, Be the first to tag this record!
cited_by
cites
container_end_page
container_issue 33
container_start_page 45
container_title Ingeniería y ciencia (Medellín, Colombia)
container_volume 17
creator Moreno, Alvaro Alexander Burbano
Matínez, Oscar Orlando Melo
Islam, M. Qamarul
description We study multiple linear regression model under non-normally distributed random error by considering the family of generalized secant hyperbolic distributions. We derive the estimators of model parameters by using modified maximum likelihood methodology and explore the properties of the modified maximum likelihood estimators so obtained. We show that the proposed estimators are more efficient and robust than the commonly used least square estimators. We also develop the relevant test of hypothesis procedures and compared the performance of such tests vis-a-vis the classical tests that are based upon the least square approach. Keywords: Maximum likelihood; modified maximum likelihood; least square; generalized secant hyperbolic distribution; robustness; hypothesis testing. Estudiamos el modelo de regresión lineal múltiple bajo errores aleatorios no distribuidos normalmente considerando la familia de distribuciones hiperbólicas secantes generalizadas. Derivamos los estimadores de los parálmetros del modelo utilizando la metodología modificada de málxima verosimilitud y exploramos las propiedades de los estimadores modificados de málxima verosimilitud así obtenidos. Mostramos que los estimadores propuestos son máls eficientes y robustos que los estimadores de mínimos cuadrados comúnmente utilizados. También desarrollamos la prueba relevante de los procedimientos de hipótesis y comparamos el rendimiento de tales pruebas con las pruebas clálsicas que se basan en el enfoque de mínimos cuadrados. Palabras clave: Málxima verosimilitud; málxima verosimilitud modificada; mínimo cuadrados; distribución secante hiperbólica generalizada; robustez; prueba de hipótesis.
doi_str_mv 10.17230/ingciencia.17.33.3
format article
fullrecord <record><control><sourceid>gale</sourceid><recordid>TN_cdi_gale_infotracmisc_A665167897</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><galeid>A665167897</galeid><sourcerecordid>A665167897</sourcerecordid><originalsourceid>FETCH-LOGICAL-g677-66d676ef3a87e22f6cb1bdf3440ef40d1e082686c26cada24e0f5552daeaaac43</originalsourceid><addsrcrecordid>eNptj09PAjEQxfegifjnE3iZxDOwu91t4UgQgQRjotxJt50uY0qXtEuMfk4_kF2ExIOZwySvv_feNEnus3SQiZylQ3K1InSKZBQGjA3YRdLLxLjojzNeXiXXIbynaVkwJnrJ99IZ9JFGIAfPB9vS3iKsyKH08Iq1xxCoiU-NRgsf1G5hjg69tPSFGt5QSdfC4nOPvmosKXik0HqqDm3nmnnf-ADDcwtJQAe7LqsBjeCPBR1pu0YLu_MFKmrYuTF0oD6lqo4Nx1KELZ1bJdTno6SWt8mlkTbg3WnfJOun2Xq66K9e5svpZNWvuRB9zjUXHA2TI4F5briqskobVhQpmiLVGaajnI-4yrmKoXmBqSnLMtcSpZSqYDfJw29sLS1uyJmm9VLtKKjNhPMy42I0FpEa_EPF0bij-Es0FPU_hh9-X5Qa</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>Inference in Multiple Linear Regression Model with Generalized Secant Hyperbolic Distribution Errors /Inferencia en modelo de regresion lineal multiple con errores de distribucion secante hiperbolica generalizada</title><source>Publicly Available Content Database (Proquest) (PQ_SDU_P3)</source><creator>Moreno, Alvaro Alexander Burbano ; Matínez, Oscar Orlando Melo ; Islam, M. Qamarul</creator><creatorcontrib>Moreno, Alvaro Alexander Burbano ; Matínez, Oscar Orlando Melo ; Islam, M. Qamarul</creatorcontrib><description>We study multiple linear regression model under non-normally distributed random error by considering the family of generalized secant hyperbolic distributions. We derive the estimators of model parameters by using modified maximum likelihood methodology and explore the properties of the modified maximum likelihood estimators so obtained. We show that the proposed estimators are more efficient and robust than the commonly used least square estimators. We also develop the relevant test of hypothesis procedures and compared the performance of such tests vis-a-vis the classical tests that are based upon the least square approach. Keywords: Maximum likelihood; modified maximum likelihood; least square; generalized secant hyperbolic distribution; robustness; hypothesis testing. Estudiamos el modelo de regresión lineal múltiple bajo errores aleatorios no distribuidos normalmente considerando la familia de distribuciones hiperbólicas secantes generalizadas. Derivamos los estimadores de los parálmetros del modelo utilizando la metodología modificada de málxima verosimilitud y exploramos las propiedades de los estimadores modificados de málxima verosimilitud así obtenidos. Mostramos que los estimadores propuestos son máls eficientes y robustos que los estimadores de mínimos cuadrados comúnmente utilizados. También desarrollamos la prueba relevante de los procedimientos de hipótesis y comparamos el rendimiento de tales pruebas con las pruebas clálsicas que se basan en el enfoque de mínimos cuadrados. Palabras clave: Málxima verosimilitud; málxima verosimilitud modificada; mínimo cuadrados; distribución secante hiperbólica generalizada; robustez; prueba de hipótesis.</description><identifier>ISSN: 1794-9165</identifier><identifier>DOI: 10.17230/ingciencia.17.33.3</identifier><language>eng</language><publisher>Universidad EAFIT</publisher><ispartof>Ingeniería y ciencia (Medellín, Colombia), 2021-01, Vol.17 (33), p.45</ispartof><rights>COPYRIGHT 2021 Universidad EAFIT</rights><lds50>peer_reviewed</lds50><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Tsyndetics_thumb_exl</thumbnail><link.rule.ids>314,780,784,27924,27925</link.rule.ids></links><search><creatorcontrib>Moreno, Alvaro Alexander Burbano</creatorcontrib><creatorcontrib>Matínez, Oscar Orlando Melo</creatorcontrib><creatorcontrib>Islam, M. Qamarul</creatorcontrib><title>Inference in Multiple Linear Regression Model with Generalized Secant Hyperbolic Distribution Errors /Inferencia en modelo de regresion lineal multiple con errores de distribucion secante hiperbolica generalizada</title><title>Ingeniería y ciencia (Medellín, Colombia)</title><description>We study multiple linear regression model under non-normally distributed random error by considering the family of generalized secant hyperbolic distributions. We derive the estimators of model parameters by using modified maximum likelihood methodology and explore the properties of the modified maximum likelihood estimators so obtained. We show that the proposed estimators are more efficient and robust than the commonly used least square estimators. We also develop the relevant test of hypothesis procedures and compared the performance of such tests vis-a-vis the classical tests that are based upon the least square approach. Keywords: Maximum likelihood; modified maximum likelihood; least square; generalized secant hyperbolic distribution; robustness; hypothesis testing. Estudiamos el modelo de regresión lineal múltiple bajo errores aleatorios no distribuidos normalmente considerando la familia de distribuciones hiperbólicas secantes generalizadas. Derivamos los estimadores de los parálmetros del modelo utilizando la metodología modificada de málxima verosimilitud y exploramos las propiedades de los estimadores modificados de málxima verosimilitud así obtenidos. Mostramos que los estimadores propuestos son máls eficientes y robustos que los estimadores de mínimos cuadrados comúnmente utilizados. También desarrollamos la prueba relevante de los procedimientos de hipótesis y comparamos el rendimiento de tales pruebas con las pruebas clálsicas que se basan en el enfoque de mínimos cuadrados. Palabras clave: Málxima verosimilitud; málxima verosimilitud modificada; mínimo cuadrados; distribución secante hiperbólica generalizada; robustez; prueba de hipótesis.</description><issn>1794-9165</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2021</creationdate><recordtype>article</recordtype><recordid>eNptj09PAjEQxfegifjnE3iZxDOwu91t4UgQgQRjotxJt50uY0qXtEuMfk4_kF2ExIOZwySvv_feNEnus3SQiZylQ3K1InSKZBQGjA3YRdLLxLjojzNeXiXXIbynaVkwJnrJ99IZ9JFGIAfPB9vS3iKsyKH08Iq1xxCoiU-NRgsf1G5hjg69tPSFGt5QSdfC4nOPvmosKXik0HqqDm3nmnnf-ADDcwtJQAe7LqsBjeCPBR1pu0YLu_MFKmrYuTF0oD6lqo4Nx1KELZ1bJdTno6SWt8mlkTbg3WnfJOun2Xq66K9e5svpZNWvuRB9zjUXHA2TI4F5briqskobVhQpmiLVGaajnI-4yrmKoXmBqSnLMtcSpZSqYDfJw29sLS1uyJmm9VLtKKjNhPMy42I0FpEa_EPF0bij-Es0FPU_hh9-X5Qa</recordid><startdate>20210101</startdate><enddate>20210101</enddate><creator>Moreno, Alvaro Alexander Burbano</creator><creator>Matínez, Oscar Orlando Melo</creator><creator>Islam, M. Qamarul</creator><general>Universidad EAFIT</general><scope>INF</scope></search><sort><creationdate>20210101</creationdate><title>Inference in Multiple Linear Regression Model with Generalized Secant Hyperbolic Distribution Errors /Inferencia en modelo de regresion lineal multiple con errores de distribucion secante hiperbolica generalizada</title><author>Moreno, Alvaro Alexander Burbano ; Matínez, Oscar Orlando Melo ; Islam, M. Qamarul</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-LOGICAL-g677-66d676ef3a87e22f6cb1bdf3440ef40d1e082686c26cada24e0f5552daeaaac43</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>eng</language><creationdate>2021</creationdate><toplevel>peer_reviewed</toplevel><toplevel>online_resources</toplevel><creatorcontrib>Moreno, Alvaro Alexander Burbano</creatorcontrib><creatorcontrib>Matínez, Oscar Orlando Melo</creatorcontrib><creatorcontrib>Islam, M. Qamarul</creatorcontrib><collection>Gale OneFile: Informe Academico</collection><jtitle>Ingeniería y ciencia (Medellín, Colombia)</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>Moreno, Alvaro Alexander Burbano</au><au>Matínez, Oscar Orlando Melo</au><au>Islam, M. Qamarul</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>Inference in Multiple Linear Regression Model with Generalized Secant Hyperbolic Distribution Errors /Inferencia en modelo de regresion lineal multiple con errores de distribucion secante hiperbolica generalizada</atitle><jtitle>Ingeniería y ciencia (Medellín, Colombia)</jtitle><date>2021-01-01</date><risdate>2021</risdate><volume>17</volume><issue>33</issue><spage>45</spage><pages>45-</pages><issn>1794-9165</issn><abstract>We study multiple linear regression model under non-normally distributed random error by considering the family of generalized secant hyperbolic distributions. We derive the estimators of model parameters by using modified maximum likelihood methodology and explore the properties of the modified maximum likelihood estimators so obtained. We show that the proposed estimators are more efficient and robust than the commonly used least square estimators. We also develop the relevant test of hypothesis procedures and compared the performance of such tests vis-a-vis the classical tests that are based upon the least square approach. Keywords: Maximum likelihood; modified maximum likelihood; least square; generalized secant hyperbolic distribution; robustness; hypothesis testing. Estudiamos el modelo de regresión lineal múltiple bajo errores aleatorios no distribuidos normalmente considerando la familia de distribuciones hiperbólicas secantes generalizadas. Derivamos los estimadores de los parálmetros del modelo utilizando la metodología modificada de málxima verosimilitud y exploramos las propiedades de los estimadores modificados de málxima verosimilitud así obtenidos. Mostramos que los estimadores propuestos son máls eficientes y robustos que los estimadores de mínimos cuadrados comúnmente utilizados. También desarrollamos la prueba relevante de los procedimientos de hipótesis y comparamos el rendimiento de tales pruebas con las pruebas clálsicas que se basan en el enfoque de mínimos cuadrados. Palabras clave: Málxima verosimilitud; málxima verosimilitud modificada; mínimo cuadrados; distribución secante hiperbólica generalizada; robustez; prueba de hipótesis.</abstract><pub>Universidad EAFIT</pub><doi>10.17230/ingciencia.17.33.3</doi></addata></record>
fulltext fulltext
identifier ISSN: 1794-9165
ispartof Ingeniería y ciencia (Medellín, Colombia), 2021-01, Vol.17 (33), p.45
issn 1794-9165
language eng
recordid cdi_gale_infotracmisc_A665167897
source Publicly Available Content Database (Proquest) (PQ_SDU_P3)
title Inference in Multiple Linear Regression Model with Generalized Secant Hyperbolic Distribution Errors /Inferencia en modelo de regresion lineal multiple con errores de distribucion secante hiperbolica generalizada
url http://sfxeu10.hosted.exlibrisgroup.com/loughborough?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2024-12-29T14%3A25%3A08IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-gale&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=Inference%20in%20Multiple%20Linear%20Regression%20Model%20with%20Generalized%20Secant%20Hyperbolic%20Distribution%20Errors%20/Inferencia%20en%20modelo%20de%20regresion%20lineal%20multiple%20con%20errores%20de%20distribucion%20secante%20hiperbolica%20generalizada&rft.jtitle=Ingenieri%CC%81a%20y%20ciencia%20(Medelli%CC%81n,%20Colombia)&rft.au=Moreno,%20Alvaro%20Alexander%20Burbano&rft.date=2021-01-01&rft.volume=17&rft.issue=33&rft.spage=45&rft.pages=45-&rft.issn=1794-9165&rft_id=info:doi/10.17230/ingciencia.17.33.3&rft_dat=%3Cgale%3EA665167897%3C/gale%3E%3Cgrp_id%3Ecdi_FETCH-LOGICAL-g677-66d676ef3a87e22f6cb1bdf3440ef40d1e082686c26cada24e0f5552daeaaac43%3C/grp_id%3E%3Coa%3E%3C/oa%3E%3Curl%3E%3C/url%3E&rft_id=info:oai/&rft_id=info:pmid/&rft_galeid=A665167897&rfr_iscdi=true