私はかなり単純な多変量回帰計量経済学モデルを開発しました。私は今、Robust Regressions を実行しようとしています (EViews では、Robust Least Square と呼んでいます)。ロバスト回帰 M 推定を簡単に実行できます。しかし、Robust Regression MM-estimation を実行するたびに、「最大数の特異サブサンプルに達しました」という同じエラーが発生します。反復回数、収束レベルなどを増減して MM 推定仕様をいじってみました。必ず同じエラーが発生します。
EViews フォーラムで、別のフェローが MM 推定と S 推定の両方でまったく同じ問題に遭遇しました。フォーラムのモデレーターは、モデルにそれほど多くの観測がないダミー変数が存在する場合、そのような推定は収束に達せず、上記のエラーを生成する可能性があることを示しました。私のモデルにはダミー変数があります。また、観測数がそれほど多くないものもあります (217 個の観測値を持つ時系列データのうち 8 つの連続した観測値)。ただし、これが EViews の制限なのか、それとも本当にアルゴリズムの制限なのかは不明です。R で MM 推定を再実行しようとするかもしれません。そして、それが実行可能かどうかを確認します。
上記に続いて、私はまさにそれをしました。そして、rlm() 関数を使用して MASS パッケージで R を使用してロバスト回帰を実行しました。EViews の場合と同様に、M 推定を実行しても問題はありませんでした。同様に、MM 推定を試みたときに最初に問題が発生しました。EViews と同じように、回帰/シミュレーションが 20 回の反復後に収束に達しなかったというエラー メッセージが表示されました。そこで、最初にすべてのダミー変数を削除して、MM 推定を再実行しました。予想通り、うまくいきました。次に、ダミー変数を一度に 1 つだけ追加し、そのたびに MM 推定を再実行しました。これは、MM 推定モデルが破綻する時期を観察するために行いました。驚いたことに、そうではありませんでした。そして、最終的にすべてのダミー変数を使用して MM 推定を実行できるようになりました。私はしません
これにより、R はこの点で EViews よりも柔軟であると結論付けることができます。よく調べてみると、実行した EViews の M 推定が (通常の Huber のものと比べて) 二重平方タイプであることがわかりました。これは大きな違いになります。R で bisquare タイプの M 推定を実行すると、EViews とほぼ同じ結果が得られました。両者の間には小さな違いがありました。これは、解決プロセスが反復的であることを考えると予想できます。