Full-text resources of CEJSH and other databases are now available in the new Library of Science.
Visit https://bibliotekanauki.pl

Results found: 7

first rewind previous Page / 1 next fast forward last

Search results

Search:
in the keywords:  kernel estimator
help Sort By:

help Limit search:
first rewind previous Page / 1 next fast forward last
1
Publication available in full text mode
Content available

BIAS REDUCTION IN KERNEL ESTIMATOR OF DENSITY FUNCTION IN BOUNDARY REGION

100%
Baszczyńska A.
Metody Ilościowe w Badaniach Ekonomicznych
|
2015
|
vol. 16
|
issue 1
7-16
EN
The properties of the classical kernel estimator of density function deteriorate when the support of density function is bounded. The use of classical form of kernel estimator causes the increase of the bias estimator, particularly in the so-called boundary region, close to end of support. It can also lead to undesirable situation where density function estimator has a different support than the density function. The paper presents selected bias reduction procedures, such as reflection method and its modification. An example is presented with an attempt to compare considered procedures.
2
Publication available in full text mode
Content available

On Testing Linearity of Trend Function

100%
Kończak G., Wywiał J., University of Economics in Katowice D. o. S.
Acta Universitatis Lodziensis. Folia Oeconomica
|
2009
|
vol. 225
EN
Testing the goodness of fit between a hypothetical trend function and its non-parametric variant will be considered. This problem was analysed e.g. by Domanski (1979, 1990), Wywiał (1990, 1995). Our result can be treated as a modification of the test proposed by Azzalini and Bowman (1993). The hypothetical trend function will be denoted by f(t, θ). It is estimated by an unbiased method. A trend function can be estimated by means of an non-parametric method. Azzalini and Bowman suggested testing the hypothesis on the linearity of the trend on the basis of the ratio of two residual variances. One of them is the residual variance of the trend estimated by means of the least square method and the other one by means of a non-parametric method. The well known Pearson curves are used for an approximation of the distribution function of the ratio. We use a different method in order to approximate the distribution of the test statistic. The table with quantiles of the test statistic are evaluated.
PL
W artykule rozważano pewną modyfikację testu dla hipotezy głoszącej, że trend szeregu czasowego ma postać liniową, który zaproponowali Azzalini i Bowman (1903). Statystyka testowa jest ilorazem wariancji resztowej estymatora wartości funkcji liniowej trendu uzyskanej metodą najmniejszych kwadratów i pewnej formy kwadratowej reszt oceny trendu otrzymanego metodą estymacji jądrowej. Wysokie wartości tego ilorazu świadczą przeciwko hipotezie o liniowości funkcji trendu. Ze względu na złożoną postać proponowanej statystyki Azzalini i Bowman wykorzystali do aproksymacji jej rozkładu prawdopodobieństwa tzw. krzywe Pearsona W niniejszym artykule stosuje się do przybliżenia rozkładu sprawdzianu testu inną metodę wykorzystującą technikę całkowania numerycznego. Przy założeniu liniowej postaci funkcji trendu pozwoliło to wyznaczyć numerycznie kwantyle rzędu 0,9, 0,95 i 0,99 rozważanej statystyki testowej. Przedstawione wartości kwantyli mogą stanowić podstawę do podjęcia decyzji o ewentualnym odrzuceniu hipotezy o postaci trendu liniowego.
3
Publication available in full text mode
Content available

Some asymptotic results of the estimators for conditional mode for functional data in the single index model missing data at random

75%
Mekkaoui S., Kadiri N., Rabhi A.
Przegląd Statystyczny
|
2023
|
vol. 70
|
issue 2
20-45
EN
In this work, we consider the problem of non-parametric estimation of a regression function, namely the conditional density and the conditional mode in a single functional index model (SFIM) with randomly missing data. The main result of this work is the establishment of the asymptotic properties of the estimator, such as almost complete convergence rates. Moreover, the asymptotic normality of the constructs is obtained under certain mild conditions. We finally discuss how to apply our result to construct confidence intervals.
4
Publication available in full text mode
Content available

Dylematy związane z estymacją dominanty wynagrodzeń

63%
Błażej M., Gosińska E.
Wiadomości Statystyczne. The Polish Statistician
|
2022
|
vol. 67
|
issue 12
62-79
EN
The mode of wages and salaries is an important indicator describing their distribution; however, due to the strong asymmetry of the distribution of this feature in Poland, mode estimation is not a standard procedure in the analysis of the structure of wages and salaries. The aim of the article is to discuss selected methods of estimating the mode and to compare the mode estimation results obtained by means of various methods. The research is based on data on individual gross wages and salaries registered in October 2018 in Poland. The data came from a survey of the structure of wages and salaries conducted by Statistics Poland. In the case of the standard method based on the interpolation formula and histogram, the mode estimate is sensitive to the assumed span of intervals in the frequency table and the beginning of the first interval. Reducing the span of the intervals causes the mode to reach the value of the minimum wage. The application of advanced methods, including those using a kernel estimator, leads to significantly different estimates of the mode depending on the method used (the dispersion reaches the value of approximately PLN 800). Additionally, the analysis of the obtained results gives grounds to considering a thesis that wage and salary distribution is a mixture of the following distributions: discrete (for the minimum wage) and continuous (for wages and salaries above the minimum wage), and is characterised by cyclicality (in Poland, more contracts offer remunerations which are a multiple of PLN 50 or PLN 100 than remunerations for other amounts).
PL
Dominanta wynagrodzeń to ważny wskaźnik opisujący rozkład wynagrodzeń, ale ze względu na silną asymetrię rozkładu tej cechy w Polsce jej wyznaczenie nie należy do standardowych działań w analizie struktury wynagrodzeń. Celem artykułu jest omówienie wybranych metod szacowania dominanty oraz porównanie wyników jej estymacji otrzymanych za pomocą różnych metod. Wykorzystano dane o wynagrodzeniach indywidualnych brutto w październiku 2018 r. pochodzące z badania struktury wynagrodzeń przeprowadzonego przez Główny Urząd Statystyczny. W przypadku metody standardowej, wykorzystującej wzór interpolacyjny i histogram, wartość oszacowanej dominanty jest wrażliwa na założoną rozpiętość przedziałów w szeregu rozdzielczym i początek pierwszego przedziału. Zmniejszanie rozpiętości przedziałów powoduje dążenie dominanty do wartości równej płacy minimalnej. Zastosowanie zaawansowanych metod statystycznych, m.in. wykorzystujących estymator jądrowy, prowadzi do otrzymania znacząco różnych oszacowań dominanty w zależności od metody (rozrzut wyników wynosi ok. 800 zł). Analiza otrzymanych wyników daje ponadto podstawy do rozważenia tezy, że rozkład wynagrodzeń jest mieszany: ma cechy rozkładu dyskretnego dla wynagrodzeń w wysokości płacy minimalnej i ciągłego – dla wynagrodzeń powyżej płacy minimalnej oraz odznacza się cyklicznością (w Polsce zawiera się więcej umów, w których kwota wynagrodzenia jest wielokrotnością 50 zł lub 100 zł, niż umów na inne kwoty).
5
Publication available in full text mode
Content available

Single Functional Index Quantile Regression for Functional Data with Missing Data at Random

51%
Kadiri N., Mekki S. D., Rabhi A.
Econometrics. Ekonometria. Advances in Applied Data Analytics
|
2023
|
vol. 27
|
issue 3
1-19
PL
Głównym celem przedstawionych w artykule badań jest oszacowanie kwantyla rozkładu warunkowego przy użyciu podejścia półparametrycznego w obecności losowo brakujących danych, gdzie zmienna predykcyjna należy do przestrzeni semimetrycznej. Założono strukturę pojedynczego indeksu, aby połączyć zmienną objaśniającą i zmienną odpowiedzi. Wstępnie zaproponowano estymator jądra dla funkcji rozkładu warunkowego, zakładając, że dane są losowo wybierane z procesu stacjonarnego z brakującymi danymi (MAR). Nakładając pewne ogólne warunki, ustalono jednolitą, prawie całkowitą zgodność modelu ze współczynnikami konwergencji.
EN
The primary goal of this research was to estimate the quantile of a conditional distribution using a semi-parametric approach in the presence of randomly missing data, where the predictor variable belongs to a semi-metric space. The authors assumed a single index structure to link the explanatory and response variable. First, a kernel estimator was proposed for the conditional distribution function, assuming that the data were selected from a stationary process with missing data at random (MAR). By imposing certain general conditions, the study established the model’s uniform almost complete consistencies with convergence rates.
6
Publication available in full text mode
Content available

Single Functional Index Quantile Regression for Independent Functional Data Under Right-Censoring

51%
Hamri M. M., Mekki S. D., Rabhi A., Kadiri N.
Econometrics. Ekonometria. Advances in Applied Data Analytics
|
2022
|
vol. 26
|
issue 1
31-62
PL
Głównym celem artykułu jest prezentacja nieparametrycznej estymacji kwantyli rozkładu warunkowego na podstawie modelu jednoindeksowego w modelu cenzury, gdy próba jest traktowana jako niezależne zmienne losowe o identycznym rozkładzie. Przede wszystkim wprowadzono estymator jądrowy dla funkcji skumulowanego rozkładu warunkowego (cond-cdf). Następnie podano oszacowanie kwantyli przez odwrócenie oszacowanego cond-cdf. Właściwości asymptotyczne są określane, gdy obserwacje są połączone ze strukturą jednoindeksową. Na koniec przeprowadzono badanie symulacyjne, aby ocenić skuteczność tego oszacowania.
EN
The main objective of this paper was to estimate non-parametrically the quantiles of a conditional distribution based on the single-index model in the censorship model when the sample is considered as independent and identically distributed (i.i.d.) random variables. First of all, a kernel type estimator for the conditional cumulative distribution function (cond-cdf) is introduced. Then the paper gives an estimation of the quantiles by inverting this estimated cond-cdf, the asymptotic properties are stated when the observations are linked with a single-index structure. Finally, a simulation study was carried out to evaluate the performance of this estimate.
7
Publication available in full text mode
Content available

Central Limit Theorem for Conditional Mode in the Single Functional Index Model with Data Missing at Random

51%
Allal A., Dib A., Rabhi A.
Econometrics. Ekonometria. Advances in Applied Data Analytics
|
2024
|
vol. 28
|
issue 1
39-60
PL
W artykule skoncentrowano się na nieparametrycznym estymowaniu warunkowej funkcji gęstości i warunkowej dominanty w modelu pojedynczego wskaźnika funkcjonalnego dla niezależnych danych, szczególnie gdy na interesującą zmienną wpływają losowo brakujące dane. Obejmuje to strukturę półparametrycznego pojedynczego modelu i proces cenzurowania zmiennych. Zgodność estymatora (ze współczynnikami) w różnych sytuacjach, np. w ramach modelu pojedynczego wskaźnika funkcjonalnego przy założeniu niezależnych i z identycznym rozkładem danych z losowymi brakami, a także jego działanie w warunkach, gdy zmienna towarzysząca jest funkcjonałem, to główne obszary zainteresowania. Dla tego modelu wyznacza się prawie całkowicie jednolitą zbieżność i wskaźnik zbieżności. Wskaźniki zbieżności podkreślają kluczową rolę, jaką prawdopodobieństwo koncentracji odgrywa w założeniach dotyczących objaśniającej zmiennej funkcjonalnej. Dodatkowo ustala się asymptotyczną normalność wyprowadzonych estymatorów zaproponowanych w określonych łagodnych warunkach, opierając się na standardowych założeniach z analizy danych funkcjonalnych dla dowodów. Na koniec zbadano praktyczne zastosowanie ustaleń w konstruowaniu przedziałów ufności dla naszych estymatorów. Wskaźniki zbieżności podkreślają kluczową rolę, jaką prawdopodobieństwo koncentracji odgrywa w założeniach dotyczących objaśniającej zmiennej funkcjonalnej.
EN
This paper concentrates on nonparametrically estimating the conditional density function and conditional mode within the single functional index model for independent data, particularly when the variable of interest is affected by randomly missing data. This involves a semi-parametric single model structure and a censoring process on the variables. The estimator's consistency (with rates) in a variety of situations, such as the framework of the single functional index model (SFIM) under the assumption of independent and identically distributed (i.i.d) data with randomly missing entries, as well as its performance under the assumption that the covariate is functional, are the main areas of focus. For this model, the nearly almost complete uniform convergence and rate of convergence established. The rates of convergence highlight the critical part that the probability of concentration play in the law of the explanatory functional variable. Additionally, we establish the asymptotic normality of the derived estimators proposed under specific mild conditions, relying on standard assumptions in Functional Data Analysis (FDA) for the proofs. Finally, we explore the practical application of our findings in constructing confidence intervals for our estimators. The rates of convergence highlight the critical part that the probability of concentration play in the law of the explanatory functional variable.
first rewind previous Page / 1 next fast forward last
JavaScript is turned off in your web browser. Turn it on to take full advantage of this site, then refresh the page.