Classical and Robust Regression Analysis with Compositional Data

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>

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.

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/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)

Rok uplatnění

2021

Kód důvěrnosti údajů

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

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