Estimation récursive en régression inverse par tranche (sliced inverse regression)

Thi Mong Ngoc Nguyen 1 Jérôme Saracco 1, 2
2 CQFD - Quality control and dynamic reliability
IMB - Institut de Mathématiques de Bordeaux, Inria Bordeaux - Sud-Ouest
Résumé : Dans cette communication, nous nous intéressons à la méthode SIR (Sliced Inverse Regression, que l'on peut traduire par régression inverse par tranches) qui permet d'estimer le paramètre $\theta$ dans un modèle semi-paramétrique de régression du type $y=f(x'\theta,\varepsilon)$ sans avoir à estimer le paramètre fonctionnel $f$ ni à spécifier la loi de l'erreur $\varepsilon$. Nous proposons un estimateur récursif de la direction de $\theta$ dans le cas particulier où l'on considère $H=2$ tranches. Nous donnons des propriétés asymptotiques de cet estimateur (convergence et normalité asymptotique). Nous illustrons aussi sur des simulations le bon comportement numérique de la méthode proposée.
Type de document :
Communication dans un congrès
42èmes Journées de Statistique, 2010, Marseille, France, France. 2010
Liste complète des métadonnées

Littérature citée [3 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/inria-00494780
Contributeur : Conférence Sfds-Hal <>
Soumis le : jeudi 24 juin 2010 - 08:58:29
Dernière modification le : jeudi 11 janvier 2018 - 06:22:11
Document(s) archivé(s) le : lundi 22 octobre 2012 - 14:46:43

Fichier

p123.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : inria-00494780, version 1

Collections

Citation

Thi Mong Ngoc Nguyen, Jérôme Saracco. Estimation récursive en régression inverse par tranche (sliced inverse regression). 42èmes Journées de Statistique, 2010, Marseille, France, France. 2010. 〈inria-00494780〉

Partager

Métriques

Consultations de la notice

477

Téléchargements de fichiers

219