STATISTIK-FORUM.de

[researcher]

Hallo liebes Forum,

was haltet ihr denn von dem non-parametrischen Theil–Sen SLOPE estimator, über den Wikipedia zitierend bemerkt: "[...] It can be computed efficiently, and is insensitive to outliers; it can be significantly more accurate than simple linear regression for skewed and heteroskedastic data, and competes well against non-robust least squares even for normally distributed data in terms of statistical power.[7] It has been called "the most popular nonparametric technique for estimating a linear trend".[2]" (http://en.wikipedia.org/wiki/Theil%E2%8 ... _estimator). Eine Implementation gibt es für MATLAB hier: http://www.mathworks.com/matlabcentral/ ... -estimator

In einem relativ aktuellen Artikel findet man:
Fernandes, R., & G Leblanc, S. (2005). Parametric (modified least squares) and non-parametric (Theil–Sen) linear regressions for predicting biophysical parameters in the presence of measurement errors. Remote Sensing of Environment, 95(3), 303-316.
"[...] Both OLS and GM (including RMA as a special case) are suboptimal estimators of linear structural relationships and should not be used without very strong justification. Rather, the Theil–Sen estimator should be considered for univariate linear regression."

Also, ich habe den Theil–Sen SLOPE estimator mal auf meine Daten angewandt und ich bin wirklich begeistert, verglichen mit der klassischen linearen Least-Square Regression... Mit diesem Thread wollte ich auf diese Methode hinweisen, sie bekannter machen, und möchte persönliche/eigene Erfahrungen mit anderen Anwendern in verschiedenen Wissensgebieten austauschen...

[DHA3000]

Naja, "begeistert" ist jetzt vielleicht nicht so das richtige Wort.

Mal ein paar kritische Überlegungen:

1) Ergibt jetzt für mich nur univariat Sinn. -> Für die meisten Fragestellungen eh nicht zu gebrauchen.
2) Ich brauche mindestens 600 Beobachtungen, bzw. muss mir auf Basis meiner Stichprobe noch welche "samplen" -> Zu Aufwendig & überdimensioniert
3) Ich habe keinen einfaches Maß zur Validität -> kein Modellvergleich möglich
4) Natürlich ist OLS bei auftreten von Heteroskedastizität nicht angemessen, deswegen verwende ich es auch nicht. Daher stellt sich mir die Frage, warum ich das Modell denn mit nem OLS-Schätzer vergleiche und nicht mit nem robusten OLS-Schätzer.
5) Das Gravierendste: Ich modeliere nicht die Ausreißer - berücksichtige als nicht deren Struktur (siehe 4)). Informationen, die trotzalledem in ihnen stecken, fallen weg.