Finite sample performance of sequential designs for model identification

Holger Dette, Robert Kwiecien
2005 Journal of Statistical Computation and Simulation  
Standard-Nutzungsbedingungen: Die Dokumente auf EconStor dürfen zu eigenen wissenschaftlichen Zwecken und zum Privatgebrauch gespeichert und kopiert werden. Sie dürfen die Dokumente nicht für öffentliche oder kommerzielle Zwecke vervielfältigen, öffentlich ausstellen, öffentlich zugänglich machen, vertreiben oder anderweitig nutzen. Sofern die Verfasser die Dokumente unter Open-Content-Lizenzen (insbesondere CC-Lizenzen) zur Verfügung gestellt haben sollten, gelten abweichend von diesen
more » ... bedingungen die in der dort genannten Lizenz gewährten Nutzungsrechte. Abstract Classical regression analysis is usually performed in two steps. In a first step an appropriate model is identified to describe the data generating process and in a second step statistical inference is performed in the identified model. An intuitively appealing approach to the design of experiment for these different purposes are sequential strategies, which use parts of the sample for model identification and adapt the design according to the outcome of the identification steps. In this paper we investigate the finite sample properties of two sequential design strategies, which were recently proposed in the literature. A detailed comparison of sequential designs for model discrimination in several regression models is given by means of a simulation study. Some non-sequential designs are also included in the study.
doi:10.1080/00949650412331270879 fatcat:62zaawyzbzanver7ecooutphfy