کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
7496310 | 1485776 | 2018 | 19 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
A penalized quasi-maximum likelihood method for variable selection in the spatial autoregressive model
ترجمه فارسی عنوان
یک روش شبه حداکثر احتمال مجاز برای انتخاب متغیر در مدل تصادفی فضایی
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
ترجمه چکیده
در این مقاله انتخاب متغیر در مدل تصحیح فضایی با خطای توزیع مستقل و یکسان انجام شده است. یک روش مجاز شبه حداکثر احتمال برای انتخاب همزمان مدل و ارزیابی پارامترها طراحی شده است. تحت برخی شرایط به طور منظم، خواص نظری برآوردگرهای پیشنهادی، از جمله سازگاری و ویژگی اوراکل، ایجاد می شود. علاوه بر این، یک الگوریتم محاسباتی قابل اجرا برای تحقق روش انتخاب متغیر طراحی شده است. مطالعات شبیه سازی برای بررسی عملکرد نمونه محدودی از روش پیشنهادی انجام شده است و نمونه ای واقعی از اطلاعات مربوط به مسکن بوستون برای هدف تصویر ارائه شده است.
موضوعات مرتبط
مهندسی و علوم پایه
علوم زمین و سیارات
علوم زمین و سیاره ای (عمومی)
چکیده انگلیسی
This paper investigates variable selection in the spatial autoregressive model with independent and identical distributed errors. A penalized quasi-maximum likelihood method is developed for simultaneous model selection and parameter estimation. Under some regular conditions, theoretical properties of the proposed estimators, including consistency and the oracle property, are established. In addition, a computationally feasible algorithm is designed to realize variable selection procedure. Simulation studies are conducted to examine the finite sample performance of the proposed method and a real example about Boston housing data is presented for illustration purpose.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Spatial Statistics - Volume 25, June 2018, Pages 86-104
Journal: Spatial Statistics - Volume 25, June 2018, Pages 86-104
نویسندگان
Xuan Liu, Jianbao Chen, Suli Cheng,