Cálculo de los estimadores de regresión cuantílica lineal por medio del método ACCPM Calculus of the Estimators of Linear Quantile Regression by the Method ACCPM

• Main Authors: HÉCTOR ANDRÉS LÓPEZ, HÉCTOR MANUEL MORA
• Format: Article
• Language: English
• Published: Universidad Nacional de Colombia 2007-01-01
• Series: Revista Colombiana de Estadística
• Subjects: optimización; estimador de regresión; programación lineal; estimación cuantílica; Optimization; Regression estimator; Linear programming; Quantile estimation
• Online Access: http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-17512007000100004

Se muestra cómo calcular los estimadores en regresión cuantílica por medio del método de optimización no diferenciable ACCPM (Analytic Center Cutting Plane Method). El cálculo de dichos estimadores usualmente se encuentra por medio de programación lineal y sus respectivas técnicas de solución (método simplex, métodos de punto interior, etc.). La primera parte presenta las generalidades de la regresión cuantílica y su formulación como un problema de programación lineal. Además, se realiza una breve descripción del método ACCPM. Por último, se muestra la aplicación del método ACCPM para el cálculo de estimadores por cuantiles y los resultados numéricos y comparaciones del método ACCPM con el paquete estadístico R y el paquete de optimización GAMS.<br>The present work shows how to calculate the estimators in quantile regression by nondifferentiable optimization method ACCPM (Analytic Center Cutting Plane Method). The calculus of the estimators is usually found by linear programming and its respective techniques of solution (Simplex method, interior point methods, etc.). The first part presents some generalities of quantile regression and its formulation as a linear programming problem. Also, a brief description of the ACCPM method is made. Finally, it is shown the application of the ACCPM method for the calculation of the estimators by quantiles and the numerical results and comparisons of the ACCPM with the statistic package R and the optimization package GAMS.