Носков С.И. О соответствии наблюдений выборки спецификации регрессионной модели // «Информационные технологии и математическое моделирование в управлении сложными системами»: электрон. науч. журн. – 2023. – №3(19). – С.45-49 – Режим доступа: http://ismm-irgups.ru/toma/3-19-2023, свободный. – Загл. с экрана. – Яз. рус., англ. (дата обращения: 16.11.2023)
В работе предложен алгоритмический способ выявления соответствия наблюдений выборки данных спецификации регрессионной модели, а именно, ее форме и составу независимых переменных. Уровень этого соответствия предлагается оценивать, в частности, местом каждого наблюдения в их упорядочении по возрастанию суммарных по модулю ошибок аппроксимации при использовании нескольких альтернативных методов идентификации неизвестных параметров.
- Poignard B., Fermanian J.D. The finite sample properties of sparse M-estimators with pseudo-observations // Annals of the Institute of Statistical Mathematics. – 2022. – V. 74. – P. 1–31.
- Hofmeyr D.P., Pavlidis N.G., Eckley I.A. Statistics and Computing. – 2016. – V. 26. - P. 1101–1120.
- Cuevas A., Febrero M., Fraiman R. Robust estimation and classification for functional data via projection-based depth notions // Computational Statistics. – 2007. – V. 22. - P. 481–496.
- Kennedy L.A., Navarro D.J., Perfors A., Briggs N. Not every credible interval is credible: Evaluating robustness in the presence of contamination in Bayesian data analysis // Behavior Research Methods. – 2017. – V. 49. – P. 2219–2234.
- Stewart P., Ning W. Modified empirical likelihood-based confidence intervals for data containing many zero observations // Computational Statistics. – 2020. – V. 35. – P. 2019–2042.
- Носков С.И., Удилов В.П. Управление системой обеспечения пожарной безопасности на региональном уровне. - Иркутск: ВСИ МВД России. - 2003. - 151с.
- Носков С. И. Компромиссные паретовские оценки параметров линейной регрессии // Математическое моделирование. - 2020. - Т. 32. - № 11. - С.70-78.
- Носков С.И. Метод антиробастного оценивания параметров линейной регрессии: число максимальных по модулю ошибок аппроксимации // Южно-Сибирский научный вестник. - 2020. - № 1 (29). - С. 51-54.
- Носков С. И. Метод смешанного оценивания параметров линейной регрессии: особенности применения // Вестник ВГУ. Серия: Системный анализ и информационные технологии. - 2021. - № 1. - С. 126-132.
- Носков С. И. Выбор метода оценивания параметров линейной регрессии на основе выявления аномальных наблюдений // Вестник Воронежского государственного технического университета. - 2021. - т. 17. - № 2. - С. 24-29.
- Пашков Д.В, Носков С.И. Реализация конкурса регрессионных моделей эффективности интеллектуальной деятельности // Электронный сетевой политематический журнал "Научные труды КубГТУ". – 2022. - № 6. - С. 40-51.