کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
7546213 | 1489622 | 2018 | 12 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Robust adaptive model selection and estimation for partial linear varying coefficient models in rank regression
ترجمه فارسی عنوان
مدل سازگاری قوی و برآورد مدل های ضریب متغیر خطی جزئی در رگرسیون رتبه
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
ترجمه چکیده
مدل های جزئی ضریب متغیر خطی اغلب در تجزیه و تحلیل اطلاعات واقعی برای تعادل خوبی بین انعطاف پذیری و پارسیومت استفاده می شود. در این مقاله، ما یک روش انتخاب قوی تطبیقی را بر اساس رگرسیون رتبه پیشنهاد می دهیم که می تواند برآورد ضرایب همزمان و سه نوع انتخاب، یعنی انتخاب اثرات متغیر و ثابت، انتخاب متغیر مربوطه را انجام دهد. روش جدید برتری در استحکام و کارایی را با به ارث بردن مزیت روش رگرسیونی رتبه بندی می کند. علاوه بر این، سازگاری در سه نوع انتخاب و املا اوراکل در برآورد نیز ایجاد شده است. مطالعات شبیه سازی همچنین روش ما را تایید می کند.
موضوعات مرتبط
مهندسی و علوم پایه
ریاضیات
آمار و احتمال
چکیده انگلیسی
Partial linear varying coefficient models are often used in real data analysis for a good balance between flexibility and parsimony. In this paper, we propose a robust adaptive model selection method based on the rank regression, which can do simultaneous coefficient estimation and three types of selections, i.e., varying and constant effects selection, relevant variable selection. The new method has superiority in robustness and efficiency by inheriting the advantage of the rank regression approach. Furthermore, consistency in the three types of selections and oracle property in estimation are established as well. Simulation studies also confirm our method.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of the Korean Statistical Society - Volume 47, Issue 1, March 2018, Pages 54-65
Journal: Journal of the Korean Statistical Society - Volume 47, Issue 1, March 2018, Pages 54-65
نویسندگان
Xiaofei Sun, Kangning Wang, Lu Lin,