Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

An Application of Directional Quantiles to Economic Data with a Multivariate Response

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F20%3A00534849" target="_blank" >RIV/67985807:_____/20:00534849 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://hdl.handle.net/11104/0313010" target="_blank" >http://hdl.handle.net/11104/0313010</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.5937/sjm15-22671" target="_blank" >10.5937/sjm15-22671</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    An Application of Directional Quantiles to Economic Data with a Multivariate Response

  • Popis výsledku v původním jazyce

    Quantile regression represents a popular and useful methodology for modeling quantiles of a response variable based on one or more independent variables. Directional quantiles represent an available extension to the linear regression model with a multivariate response. However, we are not aware of any application of directional quantiles to real data in the literature. An illustration of directional quantiles to an economic dataset is presented in this paper, particularly a modeling of a two-dimensional response in the classical Engel's dataset on household consumption from the 19th century. The results reveal the directional quantiles to yield meaningful results. They order individual observations according to their depth, i.e. from the most central to the most outlying. We compare their result with those of a (more standard) outlier detection. On the whole, we perceive directional quantiles as a potentially useful tool for the analysis of data, if accompanied by a thorough analysis by standard tools.

  • Název v anglickém jazyce

    An Application of Directional Quantiles to Economic Data with a Multivariate Response

  • Popis výsledku anglicky

    Quantile regression represents a popular and useful methodology for modeling quantiles of a response variable based on one or more independent variables. Directional quantiles represent an available extension to the linear regression model with a multivariate response. However, we are not aware of any application of directional quantiles to real data in the literature. An illustration of directional quantiles to an economic dataset is presented in this paper, particularly a modeling of a two-dimensional response in the classical Engel's dataset on household consumption from the 19th century. The results reveal the directional quantiles to yield meaningful results. They order individual observations according to their depth, i.e. from the most central to the most outlying. We compare their result with those of a (more standard) outlier detection. On the whole, we perceive directional quantiles as a potentially useful tool for the analysis of data, if accompanied by a thorough analysis by standard tools.

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

  • 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

    Serbian Journal of Management

  • ISSN

    1452-4864

  • e-ISSN

  • Svazek periodika

    15

  • Číslo periodika v rámci svazku

    2

  • Stát vydavatele periodika

    RS - Srbská republika

  • Počet stran výsledku

    11

  • Strana od-do

    193-203

  • Kód UT WoS článku

    000589838100002

  • EID výsledku v databázi Scopus

    2-s2.0-85098551347