Nonparametric Kernel Regression and Its Real Data Application

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F17%3A43933044" target="_blank" >RIV/49777513:23520/17:43933044 - isvavai.cz</a>

Výsledek na webu

<a href="http://fim2.uhk.cz/mme/conferenceproceedings/mme2017_conference_proceedings.pdf" target="_blank" >http://fim2.uhk.cz/mme/conferenceproceedings/mme2017_conference_proceedings.pdf</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Nonparametric Kernel Regression and Its Real Data Application

Popis výsledku v původním jazyce

This paper deals with the problem of nonparametric kernel estimation, particularly nonparametric kernel estimation of the regression functions. This nonparametric approach is useful in the case, when we need to find some relation between a pair of random variables for further analysis. There are many fields of application in macroeconomics and therefore this paper is focused on estimates of the regression functions on some selected real data sets (number of deaths, marriages and births etc.) First, there is described nonparametric kernel estimation of the regression function with using Nadaraya–Watson approach and influences of the main parameters (smoothing parameter, kernel function etc.) on the properties of the regression function. Then, there is analyzed smoothing pa-rameter and its estimation by different approaches (Penalty methods, RSS method, Cross-validation method and other proposed methods). The obtained results are applied and discussed on selected real data sets.

Název v anglickém jazyce

Nonparametric Kernel Regression and Its Real Data Application

Popis výsledku anglicky

This paper deals with the problem of nonparametric kernel estimation, particularly nonparametric kernel estimation of the regression functions. This nonparametric approach is useful in the case, when we need to find some relation between a pair of random variables for further analysis. There are many fields of application in macroeconomics and therefore this paper is focused on estimates of the regression functions on some selected real data sets (number of deaths, marriages and births etc.) First, there is described nonparametric kernel estimation of the regression function with using Nadaraya–Watson approach and influences of the main parameters (smoothing parameter, kernel function etc.) on the properties of the regression function. Then, there is analyzed smoothing pa-rameter and its estimation by different approaches (Penalty methods, RSS method, Cross-validation method and other proposed methods). The obtained results are applied and discussed on selected real data sets.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

50202 - Applied Economics, Econometrics

Projekt

<a href="/cs/project/LO1506" target="_blank" >LO1506: Podpora udržitelnosti centra NTIS - Nové technologie pro informační společnost</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 statě ve sborníku

35th International Conference Mathematical Methods in Economics, MME2017, Conference Proceedings

ISBN

978-80-7435-678-0

ISSN

—

e-ISSN

neuvedeno

Počet stran výsledku

6

Strana od-do

813-818

Název nakladatele

Faculty of Informatics and Management, University of Hradec Králové

Místo vydání

Hradec Králové

Místo konání akce

Hradec Králové, Czech Republic

Datum konání akce

13. 9. 2017

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000427151400139