Bandwidth Selection Problem in Nonparametric Functional Regression

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14310%2F17%3A00094996" target="_blank" >RIV/00216224:14310/17:00094996 - isvavai.cz</a>

Výsledek na webu

<a href="https://www.czso.cz/documents/10180/45606531/32019717q3107.pdf/d06c45a7-674c-4c4f-ac7b-dfea3293e915?version=1.0" target="_blank" >https://www.czso.cz/documents/10180/45606531/32019717q3107.pdf/d06c45a7-674c-4c4f-ac7b-dfea3293e915?version=1.0</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Bandwidth Selection Problem in Nonparametric Functional Regression

Popis výsledku v původním jazyce

The focus of this paper is the nonparametric regression where the predictor is a functional random variable, and the response is a scalar. Functional kernel regression belongs to popular nonparametric methods used for this purpose. The two key problems in functional kernel regression are choosing an optimal smoothing parameter and selecting an appropriate semimetric as a distance measure. The former is the focus of this paper – several data-driven methods for optimal bandwidth selection are described and discussed. The performance of these methods is illustrated in a real data application. A conclusion is drawn that local bandwidth selection methods are more appropriate in the functional setting.

Název v anglickém jazyce

Bandwidth Selection Problem in Nonparametric Functional Regression

Popis výsledku anglicky

The focus of this paper is the nonparametric regression where the predictor is a functional random variable, and the response is a scalar. Functional kernel regression belongs to popular nonparametric methods used for this purpose. The two key problems in functional kernel regression are choosing an optimal smoothing parameter and selecting an appropriate semimetric as a distance measure. The former is the focus of this paper – several data-driven methods for optimal bandwidth selection are described and discussed. The performance of these methods is illustrated in a real data application. A conclusion is drawn that local bandwidth selection methods are more appropriate in the functional setting.

Druh

J_imp - Článek v periodiku v databázi Web of Science

CEP obor

—

OECD FORD obor

10103 - Statistics and probability

Projekt

<a href="/cs/project/GA15-06991S" target="_blank" >GA15-06991S: Analýza funkcionálních dat a související témata</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2017

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

Statistika: Statistics and Economy Journal

ISSN

0322-788X

e-ISSN

—

Svazek periodika

97

Číslo periodika v rámci svazku

3

Stát vydavatele periodika

CZ - Česká republika

Počet stran výsledku

9

Strana od-do

107-115

Kód UT WoS článku

000419161000009

EID výsledku v databázi Scopus

2-s2.0-85030654881