Робастность регрессионного прогнозирования при наличии функциональных искажений модели

Рассматривается задача регрессионного прогнозирования в ситуации, когда гипотетическая параметрическая модель функции регрессии допускает функциональные искажения. Для четырех основных типов этих искажений получены явные выражения риска (среднеквадратической ошибки) прогнозирования, гарантированного риска и коэффициента робастности для обычно используемого на практике МНК-алгоритма прогнозирования (метод наименьших квадратов). По критерию минимакса риска построен робастный алгоритм прогнозирования, основанный на итерационно вычисляемых М-оценках параметров гипотетической функции регрессии при специальном выборе функции потерь. Приводятся результаты компьютерных экспериментов.

Статья представлена к публикации членом редколлегии: Б. Т. Поляк