Seminario "Detección de Outliers en Modelos Lineales Generalizados para Datos Longitudinales"

Seminario "Detección de Outliers en Modelos Lineales Generalizados para Datos Longitudinales"

Fecha: Viernes 06-09-2013

Título: “Detección de Outliers en Modelos Lineales Generalizados para Datos Longitudinales”

Autora: María del Carmen Pardo Llorente
           Universidad Complutense de Madrid

Lugar: Facultad de Ciencias Económicas y Empresariales (Bilbao)

Resumen:

Estructuras de datos dependientes, y en particular datos longitudinales, surgen en muchas áreas aplicadas. El método de las ecuaciones de estimación generalizadas (EEG) propuesto por Liang y Zeger (1986) es uno de los más utilizados para modelizar este tipo de datos. Este método y sus extensiones han sido ampliamente estudiados pero no ha sido así con el desarrollo de herramientas de diagnóstico para estos modelos. En particular, la mayoría de los procedimientos de detección de outliers existentes se basan en residuos. Sin embargo, tal y como se puede verse en Chang (2000) en ocasiones éstos métodos pueden llevar a conclusiones erróneas. En esta charla, se propone un nuevo procedimiento para detectar outliers en EEG consistente en contrastar un modelo mean-shift utilizando el estadístico de puntuaciones introducido por Rotnitzky y Jewell (1990). Se presenta un amplio estudio de simulación para analizar el nuevo procedimiento de detección de outliers en diferentes escenarios. Finalmente, se analiza un conjunto de datos reales.
Referencias
Chang, Y. C. (2000). Residuals analysis of the generalized linear models for longitudinal data. Statistics in Medicine, 19, 1277-1293..
Liang, K.Y. y Zeger, S. L. (1986). Longitudinal data analysis using generalized linear models. Biometrika, 73, 13-22.
Rotnitzky, A. y Jewell, N. (1990). Hypothesis testing of regression parameters in semiparametric generalized linear models for cluster correlated data. Biometrika, 77, 485-497.

in