In a robust approach to model fitting for the cluster weighted model, many choices are to be made by the statistician: specifying the shape of the clusters in the explanatory variables, assuming (or not) equal variance for the errors in the re- gression lines, and setting hyper-parameter values for the robust estimation to be protected from outliers and contamination. The most delicate hyper-parameter to specify is perhaps the percentage of trimming, or the amount of data to be excluded from the estimate, to ensure reliable inference. In this work we introduce diagnos- tic tools to help the professional, or the scientist who needs to group the data, to make an educated choice about this hyper-parameter, after a first exploration of the resulting model space.

Nella stima robusta di un cluster weighted model, lo statistico deve fare molte scelte: specificare la forma dei cluster nelle variabili esplicative, assumere (o meno) varianza uguale per gli errori nelle linee di regressione e impostare i va- lori degli iper-parametri per la stima robusta, per evitare la distorsione generata da valori anomali e contaminazione. L’iper-parametro pi`u delicato da specificare `e la percentuale di trimming, ovvero la quantit`a di dati da escludere nella stima per garantirne l’affidabilit`a. In questo lavoro introduciamo specifici strumenti dia- gnostici per aiutare il professionista, o lo scienziato che ha bisogno di classificare i dati, a compiere una scelta ragionata a riguardo di tale iper-parametro, anche in base ad una prima esplorazione dello spazio delle soluzioni.

Monitoring tools for robust estimation of cluster weighted models = Strumenti di monitoring per la stima robusta del modello Cluster Weighted / A. Cappozzo, F. Greselin - In: Book of Short Papers : SIS 2021 / [a cura di] C. Perna N. Salvati F. Schirripa Spagnolo. - [s.l] : Pearson, 2021. - ISBN 9788891927361. - pp. 1245-1250 (( Intervento presentato al 50. convegno Scientific Meeting of the Italian Statistical Society tenutosi a Pisa nel 2021.

Monitoring tools for robust estimation of cluster weighted models = Strumenti di monitoring per la stima robusta del modello Cluster Weighted

A. Cappozzo;
2021

Abstract

In a robust approach to model fitting for the cluster weighted model, many choices are to be made by the statistician: specifying the shape of the clusters in the explanatory variables, assuming (or not) equal variance for the errors in the re- gression lines, and setting hyper-parameter values for the robust estimation to be protected from outliers and contamination. The most delicate hyper-parameter to specify is perhaps the percentage of trimming, or the amount of data to be excluded from the estimate, to ensure reliable inference. In this work we introduce diagnos- tic tools to help the professional, or the scientist who needs to group the data, to make an educated choice about this hyper-parameter, after a first exploration of the resulting model space.
Nella stima robusta di un cluster weighted model, lo statistico deve fare molte scelte: specificare la forma dei cluster nelle variabili esplicative, assumere (o meno) varianza uguale per gli errori nelle linee di regressione e impostare i va- lori degli iper-parametri per la stima robusta, per evitare la distorsione generata da valori anomali e contaminazione. L’iper-parametro pi`u delicato da specificare `e la percentuale di trimming, ovvero la quantit`a di dati da escludere nella stima per garantirne l’affidabilit`a. In questo lavoro introduciamo specifici strumenti dia- gnostici per aiutare il professionista, o lo scienziato che ha bisogno di classificare i dati, a compiere una scelta ragionata a riguardo di tale iper-parametro, anche in base ad una prima esplorazione dello spazio delle soluzioni.
Cluster-weighted modeling; Outliers; Trimmed BIC; Eigenvalue constraint; Monitoring
Settore SECS-S/01 - Statistica
2021
https://it.pearson.com/content/dam/region-core/italy/pearson-italy/pdf/Docenti/Università/pearson-sis-book-2021-parte-2.pdf
Book Part (author)
File in questo prodotto:
File Dimensione Formato  
published_SIS_2021_monitoring_CWRM.pdf

accesso aperto

Tipologia: Publisher's version/PDF
Dimensione 288.28 kB
Formato Adobe PDF
288.28 kB Adobe PDF Visualizza/Apri
Pubblicazioni consigliate

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/2434/1039371
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact