Parametric Elliptical Regression Quantiles
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F20%3A00493763" target="_blank" >RIV/67985556:_____/20:00493763 - isvavai.cz</a>
Nalezeny alternativní kódy
RIV/00216208:11320/20:10419381
Výsledek na webu
<a href="https://www.ine.pt/revstat/pdf/ONPARAMETRICELLIPTICALREGRESSIONQUANTILES.pdf" target="_blank" >https://www.ine.pt/revstat/pdf/ONPARAMETRICELLIPTICALREGRESSIONQUANTILES.pdf</a>
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Parametric Elliptical Regression Quantiles
Popis výsledku v původním jazyce
The article extends linear and nonlinear quantile regression to the case of vector responses by generalizing multivariate elliptical quantiles to a regression context. In particular, it introduces parametric elliptical quantile regression in a general nonlinear multivariate heteroscedastic framework and discusses, investigates, and illustrates the new method in some detail, including basic properties, various parametrizations, possible heteroscedastic patterns, related computational issues, model validation, and a real biometric data example. The method seems suitable for multi-response regression models with symmetric errors, especially if the dimension of responses is less than ten and if the right parametrization of the model follows from the context.
Název v anglickém jazyce
Parametric Elliptical Regression Quantiles
Popis výsledku anglicky
The article extends linear and nonlinear quantile regression to the case of vector responses by generalizing multivariate elliptical quantiles to a regression context. In particular, it introduces parametric elliptical quantile regression in a general nonlinear multivariate heteroscedastic framework and discusses, investigates, and illustrates the new method in some detail, including basic properties, various parametrizations, possible heteroscedastic patterns, related computational issues, model validation, and a real biometric data example. The method seems suitable for multi-response regression models with symmetric errors, especially if the dimension of responses is less than ten and if the right parametrization of the model follows from the context.
Klasifikace
Druh
J<sub>imp</sub> - Článek v periodiku v databázi Web of Science
CEP obor
—
OECD FORD obor
10101 - Pure mathematics
Návaznosti výsledku
Projekt
Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace
Ostatní
Rok uplatnění
2020
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
Revstat Statistical Journal
ISSN
1645-6726
e-ISSN
—
Svazek periodika
18
Číslo periodika v rámci svazku
3
Stát vydavatele periodika
PT - Portugalská republika
Počet stran výsledku
27
Strana od-do
257-280
Kód UT WoS článku
000557809200002
EID výsledku v databázi Scopus
2-s2.0-85090693948