Consistency of S-weighted estimators in panel data models

Abstract

The thesis focuses on the S-weighted estimator and its performance on contaminated data. The first part summarizes the historical background, providing a basic orientation in the field of robust statistics and reviewing the existing literature on S-weighted estimator. In a simulation study performed in Matlab, the estimator's performance is compared with that of LWS and S- estimator. The results show that S-weighted estimator achieves the same efficiency as LWS in lower contamination levels. Contamination exceeding 10% causes significantly higher mean squared error of the S-weighted estimates. The last part of the thesis focuses on developing a simple implementation of the estimator in Python.

Tato práce se zaměřuje na S-vážený odhad a jeho výkon na kontaminovaných datech. První část práce shrnuje historický kontext, poskytuje základní orientaci v oblasti robustní statistiky a sumarizuje existující literaturu o S-váženém odhadu. V simulační studii provedené v jazyce Matlab porovnáváme kvalitu odhadů pořízených pomocí S-váženého odhadu s metodou LWS a S-odhadem. Výsledky ukazují, že v nízkých úrovních kontaminace je účinnost S-váženého odhadu stejná s metodou LWS. Kontaminace vyšší než 10 % způsobuje významně vyšší střední kvadratickou odchylku u S-váženého odhadu. Závěrečná část práce se věnuje jednoduché implementaci S-váženého odhadu v jazyce Python.