کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6866358 678171 2014 27 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Estimating small area mean with mixed and fixed effects support vector median regressions
ترجمه فارسی عنوان
برآورد منطقه کوچکی که با اثرات مخلوط و ثابت شده است، از رگرسیون های متوسط ​​مداری استفاده می کند
کلمات کلیدی
اثر ثابت، رگرسیون متوسط، اثر متقابل، مدل نیمه پارامتریک، برآورد منطقه ای کوچک، رگرسیون کمکی بردار پشتیبانی،
ترجمه چکیده
برآورد منطقه ای به طور گسترده ای تحت مدل های مختلف اثر خطی مورد مطالعه قرار گرفته است. با این حال، زمانی که شکل عملکردی رابطه بین پاسخ و کوواریات خطی نیست، ممکن است منجر به برآوردگرهای غیرمستقیم از پارامترهای منطقه کوچک شود. در این مقاله، فرضیه رگرسیون خطی را برای بخش ثابت مدل ترسیم می کنیم و با استفاده از مفهوم پایه رگرسیون کیفی بردار پشتیبانی، جایگزین می کنیم. این باعث می شود که مشکل تخمین مساحت کوچک غیر پارامتری به عنوان رگرسیون مدل های اثرات ترکیبی یا ثابت ثابت شود. با استفاده از مطالعات عددی، کارایی مدل های مختلف را در برآورد میانگین میانگین کوچک مقایسه می کنیم.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
Small area estimation has been extensively studied under linear mixed effects models. However, when the functional form of the relationship between the response and the covariates is not linear, it may lead to biased estimators of the small area parameters. In this paper, we relax the assumption of linear regression for the fixed part of the model and replace it by using the underlying concept of support vector quantile regression. This makes it possible to express the nonparametric small area estimation problem as mixed or fixed effects model regression. Through numerical studies we compare the efficiency of different models in estimating small area mean.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Neurocomputing - Volume 145, 5 December 2014, Pages 174-181
نویسندگان
, ,