초록 열기/닫기 버튼
본 논문에서 회귀모형식별을 위하여 테일러 전개(Taylor expansion)를 이용하여 계산한 정보행렬 이용한 경우와 헤이시안 행렬을 이용한 경우에 대한 라그랑쥐(LM) 검정통계량들을 제시하였다. 모의실험을 통하여 우리는 헤이시안 행렬을 이용한 LM 검정보다 정보행렬을 이용한 LM 검정의 유의수준을 잘 유지하고 있는 것으로 나타났다 또한 쌍대 멱변환과 박스-콕스 변환을 적용하여 각각 비교해 본 결과 쌍대 멱변환(Dual-Power transformation)이 박스-콕스 변환(Box-Cox transformation)은 서로 비슷한 것으로 나타났다. 두 변환방법의 결과는 서로 비슷하지만 박스-콕스 변환의 절단(truncation)문제를 해결하기 위한 쌍대 멱변환을 추천한다.
This paper presents two version of the Lagrange Multiplier (LM) tests of transformation in nonlinear regression: (i) LM test based on expected information, (ii) LM test based on Hessian. Simulation results show that, in terms of finite sample performance, the LM test based on expected information is better than the LM test based on the Hessian. Further, the Dual power transformation overcomes the truncation problem of the Box-Cox transformation. The Dual power transformation possesses properties similar to those of the Box-Cox transformation. Empirical results presented are more favorable to the new transformation than to the Box-Cox transformation in terms of model fit.
키워드열기/닫기 버튼
LM tests, Box-Cox, Dual power transformation.
