Un nuevo estimador muestral de regresión vía residuos ortogonales derivados del análisis de componentes principales

Abstract (en)

Regression estimators are tools that employ statistics techniques such as regression analysis in order to gain in efficiency by means of the available auxiliary information. This paper presents the theoretical approach that yields to the proposal of a new orthogonal regression estimator for which the fit is not based in the theory of classical least squares, but instead, it is based in the theory of principal components which minimizes the orthogonal distances from each point of the scatter plot to the line that incorporates most of the inertia.

Keywords (en): Estimador de regresión, información auxiliar, componentes principales, linealización de Taylor

Abstract (es)

Los estimadores de regresión son herramientas que emplean técnicas estadísticas propias como el análisis de regresión para aprovechar la información auxiliar disponible. En éste documento se presentan todas las herramientas teóricas necesarias para proponer un nuevo estimador de regresión ortogonal, para el cual el ajuste realizado no sea obtenido a partir de la teoría de mínimos cuadrados y en su lugar, éste se apoye en la construcción de componentes principales que por su naturaleza minimizan las distancias ortogonales de cada uno de los puntos de la nube de observaciones a la recta que recoge la mayor inercia.

Keywords (es): Estimador de regresión, información auxiliar, componentes principales, linealización de Taylor