A note non Nonparametric Regression Modeling using a Density Function

Abstract

The nonparametric regression offers alternative to classical regression analysis when the data are not well behaved or when the classical regression model shows significant lack of fit. In recent years, It has been applied using Kernel estimators and the smoothing splines, but these methods wields some bias of estimation. In this study, a semi-parametric multiplicative bias reduction density function was used to develop a non parametric regression model. Simulation studies conducted showed that the proposed estimator performs better than both the Kernel and the smoothing splines estimators especially with large samples.

La régression nonparamétrique offre une alternative à la regression classique lorsque les données ne sont pas conformes ou lorsqu'il y a defaut d'ajustage. Récemment, cette méthode a été appliquée avec des noyaux et des lissage de splines, avec apparition de biais importants. Ici, nous présentons une méthode semi-paramétrique multiplicatif conduisant à une réduction de biais. Une étude de simulation a été menée pour supporter la méthode, spécialement avec de grands échantillons.