Modele segmentowe w analizie regresji

• Autorzy: Eugeniusz Gatnar

Warianty tytułu

Segmented Models in Regression

• Języki publikacji: PL

Abstrakty

Modele segmentowe to modele wykorzystujące rekurencyjny podział wielowymiarowej przestrzeni zmiennych na podprzestrzenie (segmenty). W każdym z tych segmentów jest budowany model lokalny, np. liniowy, a następnie modele te są łączone w jeden model globalny. Celem artykułu jest przedstawienie propozycji nowej metody budowy modeli segmentowych, która wykorzystuje podejście wielomodelowe. W pracy pokazano także zastosowanie różnych typów modeli segmentowych w analizie regresji oraz porównanie dokładności ich dopasowania do danych.(abstrakt oryginalny)

EN

Segmented models are based on the recursive partitioning of multidimensional feature space into subspaces (regions). Then, in each segment a local model is built (e.g. li-near model) and finally all the local models are combined into the global model. The aim of the paper is to present a new method for building segmented models, that uses the multiple-model approach. We also discuss the results of application of different segmented models in regression and compare the goodness of fit of the models to the training data.(original abstract)

Słowa kluczowe

PL

Segmentacja; Analiza regresji; Metody badawcze

EN

Segmentation; Regression analysis; Research methods

• Czasopismo: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia
• Rocznik: 2010
• Tom: 17
• Numer: nr 107 Klasyfikacja i analiza danych - teoria i zastosowania
• Strony: 24--33

Twórcy

autor

Eugeniusz Gatnar

• Akademia Ekonomiczna im. Karola Adamieckiego w Katowicach

Bibliografia

• Blake C., Keogh E., Merz C.J., UCI Repository of Machine Learning Databases, Department of Information and Computer Science, University of California, Irvine 1988.
• Breiman L., Friedman J., Olshen R., Stone C., Classification and Regression Trees, CRC Press, London 1984.
• Friedman J.H., Multivariate adaptive regression splines, "Annals of Statistics" 1991 vol. 19.
• Gama J., Functional Trees, "Machine Learning" 2004 no 55, s. 219-250.
• Gatnar E., Nieparametryczna metoda dyskryminacji i regresji, Wydawnictwo Naukowe PWN, Warszawa 2001.
• Gatnar E., Podejście wielomodelowe w zagadnieniach dyskryminacji i regresji, Wydawnictwo Naukowe PWN, Warszawa 2008.
• Harrison D., Rubinfeld D.L., Hedonic prices and the demand for clean air, "Journal of Environmental Economics and Management" 1978 no 5, s. 81-102.
• Morgan J.N., Sonquist J.A., Problems in the analysis of survey data: a proposał, "Journal of the American Statistical Association" 1963 no 58, s. 417-434.
• Nyblom J., Testing for the constancy of parameters over time, "Journal of the American Statistical Association" 1989 no 84, s. 223-230.
• Ploberger W., Kramer W., The CUSUM test with OLS residuals, "Econometrica" 1992 no 60, s. 271-285.
• Walesiak M., Gatnar E. (red.), Statystyczna analiza danych z wykorzystaniem programu R, Wydawnictwo Naukowe PWN, Warszawa 2009.
• Zeileis A., A unified approach to structural change tests based on ml scores, F statistics, and OLS residuals, "Econometric Reviews" 2005 no 24, s. 445-466.
• Zeileis A., Hothorn T., Hornik K., Model-hased recursive partitioning, "Journal of Computational and Graphical Statistics" 2007 no 17(2), s. 492-514.