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

Results found: 4

first rewind previous Page / 1 next fast forward last

Search results

Search:
in the keywords:  nonparametric regression
help Sort By:

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

On Some Simulation Procedures for Comparing Nonparametric Methods of Regression

100%
Trzęsiok J., University of Economics in Katowice D. o. M.
Acta Universitatis Lodziensis. Folia Oeconomica
|
2013
|
vol. 286
EN
Nonparametric methods of regression form a large group of varied and rapidly growing methods. In many situations we have a problem with comparing these methods in order to select one of them to solve the regression problem. We present the simulation procedure for comparing the performance of several competing algorithms of nonparametric regression. This procedure has two stages. In the first one, the ranking of nonparametric models of regression is created. In the second stage, statistical test procedures can be used to test the significance of differences in the performances of models presented in the ranking. The procedure is applied to regression benchmark studies based on real world data.
PL
W artykule przedstawiono symulacyjną procedurę badawczą pozwalającą na porównywanie różnych nieparametrycznych modeli regresji, jak i wybór najlepszego z nich. Zaproponowana procedura przebiega dwuetapowo. W pierwszym etapie tworzony jest ranking modeli regresji, pod względem dokładności predykcji, mierzonej za pomocą błędu średniokwadratowego obliczonego metodą sprawdzania krzyżowego ( MSECV ). Drugi etap analizy ma na celu zbadanie istotności różnic pomiędzy uzyskanymi wartościami MSECV , a tym samym skorygowanie otrzymanych rankingów. Do testowania istotności wspomnianych różnic wykorzystano nieparametryczną statystykę testującą zaproponowaną przez Hothorna. Opisaną procedurę badawczą zastosowano w badaniu empirycznym, dla zbiorów danych standardowo wykorzystywanych do analizowania własności różnych metod regresji.
2
Publication available in full text mode
Content available

The Wavelet Transform in Regression

100%
Trzęsiok J., The Karol Adamiecki University of Economics in Katowice
Acta Universitatis Lodziensis. Folia Oeconomica
|
2009
|
vol. 225
EN
The wavelet transform was introduced in the 19S0's and it was developed as an alternative in tin short time Fourier transform. The wavelets theory is very popular in signal processing and pattern recognition and its applications are still growing. This paper presents the wavelet transform in nonparametric regression. The use of wavelets, in statistical applications was pioneered by D. Donoho and I. Johnstone. Here we discuss their methodology - wavelet shrinkage. The wavelet transform is compared with another nonparametric regression method - splines.
PL
Transformacja falkowa została zaproponowana na początku lat osiemdziesiątych, jako alternatywa do transformacji Fouriera. Metoda ta szybko znalazła swoje zastosowanie w teorii sygnałów oraz w rozpoznawaniu obrazów, a zakres jej aplikacji nadal dynamicznie się rozwija. Autorami pionierskich prac z zakresu zastosowań teorii lalek w statystyce są David Donoho and Iain Johnstone. Zaproponowali oni w roku 1994 procedurę WaveShrink wykorzystywaną do estymacji funkcji gęstości oraz budowy nieparametrycznych modeli regresji oparła na transformacji falkowej. W artykule przedstawione zostało zastosowanie transformacji falkowej oraz procedury WaveShrink do budowy modelu regresyjnego. Omawianą metodę porównano z inną nieparametryczny metodą regresji - krzywymi sklejanymi.
3

Forecasting of Households Consumption Expenditure with Nonparametric Regression: The Case of Turkey

88%
Aydin N., Akmercan T.
Zagreb International Review of Economics and Business
|
2016
|
vol. 19
|
issue 2
19-32
EN
The relationship between household income and expenditure is important for understanding how the shape of the economic dynamics of the households. In this study, the relationship between household consumption expenditure and household disposable income were analyzed by Locally Weighted Scatterplot Smoothing Regression which is a nonparametric method using R programming. This study aimed to determine relationship between variables directly, unlike making any assumptions are commonly used as in the conventional parametric regression. According to the findings, effect on expenditure with increasing of income and household size together increased rapidly at first, and then speed of increase decreased. This increase can be explained by having greater compulsory consumption expenditure relatively in small households. Besides, expenditure is relatively higher in middle and high income levels according to low income level. However, the change in expenditure is limited in middle and is the most limited in high income levels when household size changes.
4
Publication available in full text mode
Content available

Quantile Non‑parametric Additive Models

63%
Trzpiot G.
Acta Universitatis Lodziensis. Folia Oeconomica
|
2019
|
vol. 6
|
issue 345
127-139
PL
Regresja kwantylowa jest narzędziem analitycznym, które pozwala na ocenę oddziaływania zmiennych wyjaśniających, współzależnych na różne kwantyle zmiennej wyjaśnianej. Addytywne modele funkcji kwantylowych stanowią atrakcyjne ramy dla nieparametrycznych aplikacji regresji skoncentrowanych na funkcjach kwantyli zamiast na ich centralnej tendencji. W celu kontrolowania gładkości składników dodatkowych można zastosować kary za całkowite wygładzanie zmian. W artykule przedstawiono ogólne podejście do estymacji i wnioskowania dla modeli addytywnych tego typu. Regresja kwantylowa wykorzystywana jako miara ryzyka została zastosowana w analizie portfela sektorowego dla zbioru danych z Giełdy Papierów Wartościowych w Warszawie.
EN
Quantile regression allows us to assess different possible impacts of covariates on different quantiles of a response variable. Additive models for quantile functions provide an attractive framework for non‑parametric regression applications focused on functions of the response instead of its central tendency. Total variation smoothing penalties can be used to control the smoothness of additive components. We write down a general approach to estimation and inference for additive models of this type. Quantile regression as a risk measure has been applied in sector portfolio analysis for a data set from the Warsaw Stock Exchange.
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.