Classical and Robust Regression Analysis with Compositional Data
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989592%3A15310%2F21%3A73610053" target="_blank" >RIV/61989592:15310/21:73610053 - isvavai.cz</a>
Výsledek na webu
<a href="https://link.springer.com/article/10.1007/s11004-020-09895-w" target="_blank" >https://link.springer.com/article/10.1007/s11004-020-09895-w</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/s11004-020-09895-w" target="_blank" >10.1007/s11004-020-09895-w</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Classical and Robust Regression Analysis with Compositional Data
Popis výsledku v původním jazyce
Compositional data carry their relevant information in the relationships (logratios) between the compositional parts. It is shown how this source of information can be used in regression modeling, where the composition could either form the response, or the explanatory part, or even both. An essential step to set up a regression model is the way how the composition(s) enter the model. Here, balance coordinates will be constructed that support an interpretation of the regression coefficients and allow for testing hypotheses of subcompositional independence. Both classical least-squares regression and robust MM regression are treated, and they are compared within different regression models at a real data set from a geochemical mapping project.
Název v anglickém jazyce
Classical and Robust Regression Analysis with Compositional Data
Popis výsledku anglicky
Compositional data carry their relevant information in the relationships (logratios) between the compositional parts. It is shown how this source of information can be used in regression modeling, where the composition could either form the response, or the explanatory part, or even both. An essential step to set up a regression model is the way how the composition(s) enter the model. Here, balance coordinates will be constructed that support an interpretation of the regression coefficients and allow for testing hypotheses of subcompositional independence. Both classical least-squares regression and robust MM regression are treated, and they are compared within different regression models at a real data set from a geochemical mapping project.
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/GA19-01768S" target="_blank" >GA19-01768S: Separace geochemických signálů v sedimentech: aplikace pokročilých statistických metod na rozsáhlé geochemické datové soubory</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2021
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
Mathematical Geosciences
ISSN
1874-8961
e-ISSN
—
Svazek periodika
53
Číslo periodika v rámci svazku
5
Stát vydavatele periodika
DE - Spolková republika Německo
Počet stran výsledku
36
Strana od-do
823-858
Kód UT WoS článku
000575745000001
EID výsledku v databázi Scopus
2-s2.0-85092154380