Empīriskās ticamības metodes lietojums ordinālajā regresijā

Abstract

Šajā darbā tiek aplūkotas empīriskās ticamības metodes pielietojums dažādiem ordinālās regresijas modeļiem. Ordinālā regresija ir ļoti nozīmīgs rīks skalāru atbilžu mainīgo analīzē. Empīriskās ticamības metode ir stipra neparametriskā novērtēšanas metode, kad netiek pieņemti pieņēmumi par mainīgo sadalījumu. Bakalaura darba mērķis ir izpētīt empīriskās ticamības pielietojumu trīs ordinālās regresijas modeļiem - proporcionālo izredžu, politomajam loģistiskajam un blakus esošo kategoriju modeļiem. Darbā tiek apskatīts teorētisks empīiskās ticaības funkcijas pielāgojums katram no modeļiem, kā arī apakstīts empīriskās ticamības programmēšanas algoritms proporcionālo izredžu modelim.

This paper examines the application of the empirical likelihood method to various ordinal regression models. Ordinal regression is a very important tool in the analysis of scalar response variables. The empirical likelihood method is a robust non-parametric estimation method when no assumptions are made about the distribution of the variables. The aim of the bachelor thesis is to examine the application of empirical likelihood to three ordinal regression models - proportional odds, polytomous logistic and adjacent category models. The paper examines the theoretical adjustment of the empirical probability function for each of the models, as well as describes the empirical likelihood methods programming algorithm for the proportional odds model.