The Korean Journal of Applied Statistics (응용통계연구)

The Korean Statistical Society (한국통계학회)
권호 표지
DOI QR코드

DOI QR Code

Generalized Weighted Linear Models Based on Distribution Functions - A Frequentist Perspective

분포함수를 기초로 일반화가중선형모형

  • 여인권 (숙명여자대학교 이과대학 수학통계학부)
  • Published : 2004.11.01
Download PDF
⟨ Previous Next ⟩

Abstract

In this paper, a new form of linear models referred to as generalized weighted linear models is proposed. The proposed models assume that the relationship between the response variable and explanatory variables can be modelled by a distribution function of the response mean and a weighted linear combination of distribution functions of covariates. This form addresses a structural problem of the link function in the generalized linear models in which the parameter space may not be consistent with the space derived from linear predictors. The maximum likelihood estimation with Lagrange's undetermined multipliers is used to estimate the parameters and resampling method is applied to compute confidence intervals and to test hypotheses.

이 논문에서는 일반화가중선형모형이라는 새로운 형태의 선형모형을 제시한다. 일반화가중선형모형은 설명변수와 반응변수의 관계를 설명분포함수의 선형결합이 반응변수의 평균에 대한 연결분포함수를 통해 모형화 되는 형태를 가지는 것으로 가정한다. 이모형은 일반화선형 모형에서 연결함수를 선택할 때 발생할 수 있는 모수공간과 선형 예측값의 공간이 일치하지 않을 수 있다는 문제가 발생하지 않고 모수에 대한 해석이 용이하다는 장점이 있다. 이 논문에서는 설명분포함수와 연결분포함수를 선택하는데 있어 발생할 수 있는 문제와 해결책에 대해 알아본다. 또한 모형에 포함되어 있는 모수를 추정하는데 고려해야 할 주의 사항과 이 사항들을 고려한 최대가능도추정법과 재표집 방법을 이용한 구간추정과 가설검정에 대해 알아본다.

Keywords

References

  1. Yeo, I. K. (2001), Goodness of link tests for binaary response data, <한국통계학회논문집>, 8, 357-366
  2. Arando-Ordaz, F. J. (1981), On two families of transformations to additivity for binary response data, Biometrika, 68, 357-363 https://doi.org/10.1093/biomet/68.2.357
  3. Cheng, K. F. and Wu, J. W. (1994), Testing goodness of fit for a parametric family of link function, Journal of the American Statistical Association, 89, 657-664 https://doi.org/10.2307/2290868
  4. Guerrero, V. M. and Johnson, R. A. (1982), Use of the Box-Cox transformation with binary response models, Biometrika, 69, 309-314 https://doi.org/10.1093/biomet/69.2.309
  5. John, J. A. and Draper, N. R. (1980), An alternative family of transformations, Applied Statistics, 29, 190-197 https://doi.org/10.2307/2986305
  6. Lehmann, E. L. and Casella, G. (1998), Theory of Point Estimation (revised edition), Springer-Verlag, New York
  7. Mallick, B. K. and Gelfand, A. E. (1994), Generalized linear models with unknown link functions, Biometrika, 81, 237-245 https://doi.org/10.1093/biomet/81.2.237
  8. McCullagh, P. and Nelder, J. A. (1989), Generalized Linear Models 2nd Ed. Chapman & IIall, New York
  9. Milicer, H. and Szczoka, F. (1966), Age at menarche in Warsaw girls in 1965, Human Biology, 38, 199-203
  10. Nolder, J. A. and Wedderburn, R. W. M. (1972), Generalized linear models, Journal of the Royal Statistical Society, Series A, 135, 370-384 https://doi.org/10.2307/2344614
  11. Stukel, T. (1988), Generalized logistic models, Journal of the American Statistical Association, 83, 426-431 https://doi.org/10.2307/2288858
  12. Taylor, J. (1988), The cost of generalized logistic regression, Journal of the American Statistical, Association, 83, 1078-1083 https://doi.org/10.2307/2290139
  13. Yeo, I. K. and Johnson, R. A. (2000), A new family of power transformations to improve normality or symmetry, Biometrika, 87, 954-959 https://doi.org/10.1093/biomet/87.4.954