A robust PARAFAC model for compositional data
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989592%3A15310%2F18%3A73589104" target="_blank" >RIV/61989592:15310/18:73589104 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1080/02664763.2017.1381669" target="_blank" >http://dx.doi.org/10.1080/02664763.2017.1381669</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1080/02664763.2017.1381669" target="_blank" >10.1080/02664763.2017.1381669</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
A robust PARAFAC model for compositional data
Popis výsledku v původním jazyce
Compositional data are characterized by values containing relative information, and thus the ratios between the data values are of interest for the analysis. Due to specific features of compositional data, standard statistical methods should be applied to compositions expressed in a proper coordinate system with respect to an orthonormal basis. It is discussed how three-way compositional data can be analyzed with the Parafac model. When data are contaminated by outliers, robust estimates for the Parafac model parameters should be employed. It is demonstrated how robust estimation can be done in the context of compositional data andhowthe results can be interpreted. A real data example from macroeconomics underlines the usefulness of this approach.
Název v anglickém jazyce
A robust PARAFAC model for compositional data
Popis výsledku anglicky
Compositional data are characterized by values containing relative information, and thus the ratios between the data values are of interest for the analysis. Due to specific features of compositional data, standard statistical methods should be applied to compositions expressed in a proper coordinate system with respect to an orthonormal basis. It is discussed how three-way compositional data can be analyzed with the Parafac model. When data are contaminated by outliers, robust estimates for the Parafac model parameters should be employed. It is demonstrated how robust estimation can be done in the context of compositional data andhowthe results can be interpreted. A real data example from macroeconomics underlines the usefulness of this approach.
Klasifikace
Druh
J<sub>imp</sub> - Článek v periodiku v databázi Web of Science
CEP obor
—
OECD FORD obor
10103 - Statistics and probability
Návaznosti výsledku
Projekt
<a href="/cs/project/EE2.3.20.0170" target="_blank" >EE2.3.20.0170: Budování výzkumně-vzdělávacího týmu v oblasti modelování přírodních jevů a využití geoinformačních systémů, s vazbou na zapojení do mezinárodních sítí a programů.</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2018
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
JOURNAL OF APPLIED STATISTICS
ISSN
0266-4763
e-ISSN
—
Svazek periodika
45
Číslo periodika v rámci svazku
8
Stát vydavatele periodika
GB - Spojené království Velké Británie a Severního Irska
Počet stran výsledku
23
Strana od-do
1347-1369
Kód UT WoS článku
000435117900001
EID výsledku v databázi Scopus
2-s2.0-85030564650