• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of applied statistics >A new model selection procedure based on dynamic quantile regression
【24h】

A new model selection procedure based on dynamic quantile regression

机译：基于动态分位数回归的新模型选择程序

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this article, we propose a novel robust data-analytic procedure, dynamic quantile regression (DQR), for model selection. It is robust in the sense that it can simultaneously estimate the coefficients and the distribution of errors over a large collection of error distributions even those that are heavy-tailed and may not even possess variances or means; and DQR is easy to implement in the sense that it does not need to decide in advance which quantile(s) should be gathered. Asymptotic properties of related estimators are derived. Simulations and illustrative real examples are also given.
机译：在本文中，我们提出了一种新颖的鲁棒数据分析程序，即动态分位数回归（DQR），用于模型选择。从某种意义上说，它是鲁棒的，它可以同时在大量误差分布集合上同时估计系数和误差分布，即使是那些拖尾且甚至可能没有方差或均值的误差分布； DQR易于实现，因为它无需事先决定应收集哪些分位数。推导了相关估计量的渐近性质。还给出了仿真和说明性的实际示例。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号