Results found: 2

Search results

Search:
in the keywords: bias reduction

Sort By:

Limit search:

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

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.

Aproksymacja modelu regresji logistycznej Firtha za pomocą ważenia obserwacji

63%

Fijorek K.

Zeszyty Naukowe Uniwersytetu Ekonomicznego w Krakowie

2013

issue 923

87-98

W artykule przedstawiono model regresji logistycznej Firtha w kontekście wag przypisywanych przez metodę poszczególnym obserwacjom ze zbioru danych. Następnie dokonano przekształcenia modelu HLM do podobnej postaci. Na podstawie wniosków płynących z alternatywnego spojrzenia na model Firtha oraz HLM zaproponowano dwie metody aproksymacji modelu Firtha. Symulacyjnie zbadano jakość aproksymacji oraz omówiono praktyczne korzyści płynące z jej stosowania.

Firth’s approach to a logistic regression is presented from the perspective of weighted data points. Hidden Logistic Model is reformulated accordingly and two approximations of Firth’s procedure are introduced. A simulation study was conducted to investigate and compare the quality of the approximations.

Refine search results

1 Metody Ilościowe w Badaniach Ekonomicznych

1 Zeszyty Naukowe Uniwersytetu Ekonomicznego w Krakowie

1 2015

1 2013

1 Baszczyńska A.

1 Fijorek K.

Search results

BIAS REDUCTION IN KERNEL ESTIMATOR OF DENSITY FUNCTION IN BOUNDARY REGION

Aproksymacja modelu regresji logistycznej Firtha za pomocą ważenia obserwacji