Vliv chyb měření na tvar regresní funkce v nelineárním modelu

Abstract

V práci zkoumáme vliv regresorů měřených s chybou na odhadnuté koeficienty v zobecněném lineárním modelu. Odvozujeme skutečný tvar střední hodnoty a rozpylové funkce v daném modelu. Ukazujeme, že při použití regresorů měřených s chybou nejsou obecně splněny předpoklady zobecněého lineárního modelu. Přesto lze za pomoci modelu s chybou v regresoru testovat, zda náhodná veličina závisí na původním přesném regresoru. Dále jsou v práci aproximovány asymptonické hodnoty koeficientů při předkládaném kvadratickém tvaru křivky g(E(Yi|Wi)). Všechny teoretické výsledky jsou ilustrovány na simulovaných datech.

In this thesis we study the effect of regressors measured with an error on an estimated coefficients in a generalized linear model. We infer the true shape of the mean and of the variance function in the given model. We show that assumptions of a generalized linear model are not fulfilled universally if we use variables measured with an error. Despite this, the error-in-variable model can still be useful for testing dependence of original correct regressor. Further on in the thesis, the asymptotic values of coefficients are approximated, assuming g(E(Yi|Wi)) is a quadratic function. Examples for all results are provided through simulations.