Análisis comparativo de regresión ortogonal como alternativa a la regresión ordinaria
Resumen
El objetivo de este trabajo es comparar los dos procedimientos de regresión, ordinaria y ortogonal o también llamada total, y mostrar, que de existir variables regresoras no fijas, el método de regresión ordinaria no es el adecuado para determinar los valores de la variable de respuesta a partir de las variables regresoras, más bien, el método de mínimos cuadrados totales o regresión ortogonal es el más indicado.
Citas
Al-sharadqah, A., Chernov, N., & Huang, Q. (2011). Errors-In-Variables regression and the problem of moments. Recuperado el 2012 de Julio, de Brazilian Joumal of Probability and Statistics:
http://www.math.uab.edu/ chemov/cl
Azarang, M. R., & García, E. (1996). Simulación y análisis de Modelos Estocásticos. México: McGraw-Hill .
Baker, K. (2005). Si11gular Value Decomposition Tutorial. Recuperado el Agosto de 2012, de Ohio State University: http://www.ling.ohiostate.edu/-kbaker/pubs/Singular_Value_Decomp osition_Tutorial.pdf
Blyth, T. S., & Robertson , E. F. (2002). Further Linear Algebra. Londres: Springer.
Boggs, P. T., & Rogers, J. E. (1990). Orthogonal Distance Regression. Recuperado el Julio de 2012, de Center for Computing and Applied Mathematics:
http://docs.scipy.org/doc/extemal/odr_ams.pdf [6]. Casella, G., & Berger, R. L . (2002). Statistical Inference. Thomson Learning.
Casella, G., & Berger, R. L . (2002). Statistical Inference. Thomson Learning
Davidov, O. (2004). Estimating the slope in measurement error models-a dijferent perspective . Recuperado el 2012 de Julio, de Statistics & Probability Letters :
www.elsevier.com/locate /stapro
De Groen, P. (1996). An /ntroduction to Total Least Squares. Recuperado el Julio de 2012, de Vrije Universiteit Brussel, Department of Mathematics.: arXiv:math/9805076vl
Di Ciccio, T., & Tibshirani, R. ( 1991). Department of Statistics, University of Toronto. Recuperado el 10 de enero de 2014, de
http://www. utstat.toronto.edu/wordpress/WSFile s/techni calreports/9107 .pdf
Dobson , A. J. (2002). An J11trodu ction to Ge11eralized Linear Models. New York: Chapman & Hall/CRC.
Eaton, M. L. (2007). Multivaria te Statistics: A vector space approach. Ohio: Institute of Mathematical Statistics.
Freund, J. E., Miller, I., & Miller, M. (2000). Estadísticas matemáticas con aplicaciones . México: Pearson Educación.
Fuller, W. A. (1987). Measurement error models. New York: JOHN WILEY & SONS.
Gillard, J. W. (2006). A Historical Overview of Linear Regression with Errors with variables. Recuperado el Julio de 2012, de School of Mathematics, Cardiff University:
http://cardiff.ac .uk/maths/reso urces/Gillard Tech _Report.pdf -
Gleser, L. J. ( 1981). Estima/ion in a multivariate "errors in variables" regression models: large sample results. Recuperado el 2012 de Mayo, de Annals of Statistics: www.jstor.org
Golub, G. H., & Van Loan, C. F. ( 1980). A11analysis of the total least squares problem. Recuperado el Mayo de 2012, de Society for Industrial and Applied Matbematics:
http://www.cs.comell.edu/cv/ResearchPDF/ Ana l ysis.total.least.squares. prob.pdf
Harville, D. A. (1997). Matrix Algebra from a Statistician's Perspective. New York: Springer.
Maddala, G. S. (1996). Introducción a la Econometría. México: Prentice-Hall Hispanoamericana, S.A.
Markovsky, J., & Van Huffel, S. (2007). Overview of total / east squares methods. Recuperado el Julio de 2012, de School of Electronics and Computer Science, University of Southampton.:
http://eprints.soton.ac.uk/263855/ 1/tls overview. pdf -
Martin, S. B. (1998). An altemative method of least squares linear regression . Recuperado el Junio de 2012, de Me Murry University:
www.mcm.edu/mathdep t/sarah.pdf
Montoya, J. A. (2008). la verosimilitud perfil en la Inferencia Estadistica. Guanajuato: CIMAT.
Nievergelt, Y. (1994). Total least squares: State of-the-art regression in numerical analysis . Recuperado el Mayo de 2012, de Society for industri la and applied mathematics:
http://people.duke.edu/-hpgavin/ce200/nievergel t94 .pdf
Noble, B., & Daniel, J. W. (1989). Algebra Lineal Aplicada . México: Prentice-Hall Hispanoamerica na, S.A.
Otamendi, J. (2006). Las etapas en la gestación del método de Montecarlo. En A.H.E.P.E, Historia de la Probabilidad y la Estadística (III) (págs. 1 17 - 123). Madrid: Publicaciones Delta.
Peña, D. (2002). Análisis de datos multivariantes . Madrid : McGraw Hm .
Petras, l., & Podlubny, l. (201O). Least Squares or Least Circles? A compariso11 of c/assical regressior 1 and orthogonal regressio11. Recuperado el Junio de 2012, de American Statistical Association:
www.amstat.org/membership/index.cfin
Petras, l., Bednárová, D., & Podlubny, l. (2008). Description of behavior of nationa/ economies in state space. Recuperado el 2012 de Juliio, de Acta Montani stica Slovaca:
http://actamont.tuke .sk/pdf/2008/n l/27petras.pdf
Schaffrin, B., & Wieser, A. (2010). Total least squares adjustment of condition equations. Recuperado el Mayo de 2012, de Springer Link :
http://link.springer.com/art icle/ 10.1007/s 11200-0 l l-0032-3#page-l
Van Huffel, S. (2004). Total Least Squares and Errors-in-Variables Modeling:Bridging the gap between Statistics, Computational Mathematics and Engi11eeri11g. Recuperado el Mayo de 2012, de K.U.Leuven, Dept. of Electrical Engineering: www.esat.kuleuven .ac.be/sista.
Van Huffel, S., & Zha, H. (1993). The total least squares prob lem. Recuperado el Junio de 2012, de Handbook of Statistics: citeseer.uark.edu:8080/citeseerx/showciting
Venables, W. N., & Ripley, B. D. (2002). Modem Applied Statistics with S. Londres: Oxford.
http://www.math.uab.edu/ chemov/cl
Azarang, M. R., & García, E. (1996). Simulación y análisis de Modelos Estocásticos. México: McGraw-Hill .
Baker, K. (2005). Si11gular Value Decomposition Tutorial. Recuperado el Agosto de 2012, de Ohio State University: http://www.ling.ohiostate.edu/-kbaker/pubs/Singular_Value_Decomp osition_Tutorial.pdf
Blyth, T. S., & Robertson , E. F. (2002). Further Linear Algebra. Londres: Springer.
Boggs, P. T., & Rogers, J. E. (1990). Orthogonal Distance Regression. Recuperado el Julio de 2012, de Center for Computing and Applied Mathematics:
http://docs.scipy.org/doc/extemal/odr_ams.pdf [6]. Casella, G., & Berger, R. L . (2002). Statistical Inference. Thomson Learning.
Casella, G., & Berger, R. L . (2002). Statistical Inference. Thomson Learning
Davidov, O. (2004). Estimating the slope in measurement error models-a dijferent perspective . Recuperado el 2012 de Julio, de Statistics & Probability Letters :
www.elsevier.com/locate /stapro
De Groen, P. (1996). An /ntroduction to Total Least Squares. Recuperado el Julio de 2012, de Vrije Universiteit Brussel, Department of Mathematics.: arXiv:math/9805076vl
Di Ciccio, T., & Tibshirani, R. ( 1991). Department of Statistics, University of Toronto. Recuperado el 10 de enero de 2014, de
http://www. utstat.toronto.edu/wordpress/WSFile s/techni calreports/9107 .pdf
Dobson , A. J. (2002). An J11trodu ction to Ge11eralized Linear Models. New York: Chapman & Hall/CRC.
Eaton, M. L. (2007). Multivaria te Statistics: A vector space approach. Ohio: Institute of Mathematical Statistics.
Freund, J. E., Miller, I., & Miller, M. (2000). Estadísticas matemáticas con aplicaciones . México: Pearson Educación.
Fuller, W. A. (1987). Measurement error models. New York: JOHN WILEY & SONS.
Gillard, J. W. (2006). A Historical Overview of Linear Regression with Errors with variables. Recuperado el Julio de 2012, de School of Mathematics, Cardiff University:
http://cardiff.ac .uk/maths/reso urces/Gillard Tech _Report.pdf -
Gleser, L. J. ( 1981). Estima/ion in a multivariate "errors in variables" regression models: large sample results. Recuperado el 2012 de Mayo, de Annals of Statistics: www.jstor.org
Golub, G. H., & Van Loan, C. F. ( 1980). A11analysis of the total least squares problem. Recuperado el Mayo de 2012, de Society for Industrial and Applied Matbematics:
http://www.cs.comell.edu/cv/ResearchPDF/ Ana l ysis.total.least.squares. prob.pdf
Harville, D. A. (1997). Matrix Algebra from a Statistician's Perspective. New York: Springer.
Maddala, G. S. (1996). Introducción a la Econometría. México: Prentice-Hall Hispanoamericana, S.A.
Markovsky, J., & Van Huffel, S. (2007). Overview of total / east squares methods. Recuperado el Julio de 2012, de School of Electronics and Computer Science, University of Southampton.:
http://eprints.soton.ac.uk/263855/ 1/tls overview. pdf -
Martin, S. B. (1998). An altemative method of least squares linear regression . Recuperado el Junio de 2012, de Me Murry University:
www.mcm.edu/mathdep t/sarah.pdf
Montoya, J. A. (2008). la verosimilitud perfil en la Inferencia Estadistica. Guanajuato: CIMAT.
Nievergelt, Y. (1994). Total least squares: State of-the-art regression in numerical analysis . Recuperado el Mayo de 2012, de Society for industri la and applied mathematics:
http://people.duke.edu/-hpgavin/ce200/nievergel t94 .pdf
Noble, B., & Daniel, J. W. (1989). Algebra Lineal Aplicada . México: Prentice-Hall Hispanoamerica na, S.A.
Otamendi, J. (2006). Las etapas en la gestación del método de Montecarlo. En A.H.E.P.E, Historia de la Probabilidad y la Estadística (III) (págs. 1 17 - 123). Madrid: Publicaciones Delta.
Peña, D. (2002). Análisis de datos multivariantes . Madrid : McGraw Hm .
Petras, l., & Podlubny, l. (201O). Least Squares or Least Circles? A compariso11 of c/assical regressior 1 and orthogonal regressio11. Recuperado el Junio de 2012, de American Statistical Association:
www.amstat.org/membership/index.cfin
Petras, l., Bednárová, D., & Podlubny, l. (2008). Description of behavior of nationa/ economies in state space. Recuperado el 2012 de Juliio, de Acta Montani stica Slovaca:
http://actamont.tuke .sk/pdf/2008/n l/27petras.pdf
Schaffrin, B., & Wieser, A. (2010). Total least squares adjustment of condition equations. Recuperado el Mayo de 2012, de Springer Link :
http://link.springer.com/art icle/ 10.1007/s 11200-0 l l-0032-3#page-l
Van Huffel, S. (2004). Total Least Squares and Errors-in-Variables Modeling:Bridging the gap between Statistics, Computational Mathematics and Engi11eeri11g. Recuperado el Mayo de 2012, de K.U.Leuven, Dept. of Electrical Engineering: www.esat.kuleuven .ac.be/sista.
Van Huffel, S., & Zha, H. (1993). The total least squares prob lem. Recuperado el Junio de 2012, de Handbook of Statistics: citeseer.uark.edu:8080/citeseerx/showciting
Venables, W. N., & Ripley, B. D. (2002). Modem Applied Statistics with S. Londres: Oxford.
