PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2013 | 286 Methods and Applications of Multivariate Statistical Analysis | 109--117
Tytuł artykułu

Bayesian Spatial Quantile Regression

Warianty tytułu
Bayesowska przestrzenna regresja kwantylowa
Języki publikacji
EN
Abstrakty
W wielu zastosowaniach, podstawowym problemem jest opis i analiza wpływu wektora skorelowanych zmiennych objaśniających X na zmienna objaśnianą Y. W przypadku, gdy obserwacje badanych zmiennych są dodatkowo rozmieszczone przestrzennie, zadanie jest jeszcze trudniejsze, ponieważ mamy dodatkowe zależności, wynikające ze zmienności przestrzennej. Klasyczne podejście stosowane do takich problemów wykorzystuje założenie o skończonej wartości oczekiwanej zmiennych Y, wówczas przestrzenna funkcja regresji jest dobrze określona i dostarcza informacji o zależności zmiennej Y od zmiennych X. W tej pracy, w miejsce przestrzenna funkcja regresji wykorzystującej średnią, rozpatrzymy przestrzenna regresję kwantylową. Regresja kwantylowa zostanie omówiona w przestrzennym kontekście. Semiparametryczny model bayesowski i jego estymacja jest głównym celem tej pracy. Dodatkowe zasoby informacji o zmienności otrzymujemy badając kwantyle, wychodząc poza tradycyjny opis klasycznej regresji. Estymacja kwantylowa w modelu przestrzennym uwydatnia zależności przestrzenne dla różnych fragmentów rozważanych rozkładów. (abstrakt oryginalny)
EN
Abstract. In this paper we present a Bayesian spatial model quantile regression. We develop a spatial quantile regression model that does not assume normality and allows the covariates to affect the entire conditional distribution, rather than just the mean. The conditional distribution is allowed to vary from site-to-site and is smoothed with a spatial prior. (original abstract)
Twórcy
  • University of Economics in Katowice, Poland
Bibliografia
  • Cai B, Dunson D. B. (2007), Bayesian multivariate isotonic regression splines: Applications to carcinogenicity studies. Journal of the American Statistical Association, 102: 1158-1171.
  • Chang I, Chien L, Hsiung CA, Wen C, Wu Y (2007). Shape restricted regression with random Bernstein polynomials. IMS Lecture Notes {Monograph Series, 54: 187-202.
  • Koenker R., Basset B. (1978), Regression Quantiles, Econometrica, Vol 46.
  • Koenker R., Hallock K. F. (2001), Quantile Regression, Journal of Economic Perspectives, 15.
  • Reich B.J., Fuentes M. (2007), A multivariate semiparametric Bayesian spatial modeling framework for hurricane surface wind fields, Annals of Applied Statistics, 1: 249-264.
  • Trzpiot G. (2009), Quantile Regression Model versus Factor Model Estimation, Financial Investments and Insurances - World Trends and Polish Market, University of Economics in Wrocław 60. 469-479.
  • Trzpiot G. (2009), Application weighted VaR in capital allocation, Polish Journal of Environmental Studies. Olsztyn. 18. 5B. 203-208.
  • Trzpiot G. (2009), Estimation methods for quantile regression, Economics Studies 53, University of Economics in Katowice. 81-90.
  • Trzpiot G. (2010), Quantile Regression Model of Return Rate Relation - Volatility for Some Warsaw Stock Exchange Indexes (in Polish), Finances. Financial Markets and Insurances. Capital Market, University of Szczecin. 28. 61-76.
  • Trzpiot G. (2011) Bayesian Quantile Regression, Economics Studies 65, University of Economics in Katowice, 33-44.
  • Trzpiot G. (2012) Spatial Quantile Regression, Comparative Economic Research. Central and Eastern Europe, Vol. 15, No 4, 265-279, Wydawnictwo Uniwersytetu Łódzkiego.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171259455

Zgłoszenie zostało wysłane

Zgłoszenie zostało wysłane

Musisz być zalogowany aby pisać komentarze.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.