Um estudo comparativo de estimadores de regressões não-paramétricas aditivas: performance em amostras finitas

Abstract

Nesta monografia, conduzimos um exercício de simulação de Monte Carlo a fim de investigar algumas características em amostras finitas de três estimadores baseados em kernels disponíveis: o estimador Backfitting Clássico (CBF), o estimador Smooth Backfitting (SBF) e o estimador de 2 estágios (2E) proposto por Kim et. al. (1999). Diferentes escolhas do parâmetro de suavização foram estudadas, diferentes métodos de suavização, bem como diferentes níveis de correlação. A comparação é baseada nas estimativas da média dos erros quadráticos médios de cada estimador. Os resultados do nosso estudo sugerem que o estimador Backfitting Clássico é superior aos outros dentro das especificações dos cenários propostos.