• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>電子情報通信学会技術研究報告. ニュ-ロコンピュ-ティング. Neurocomputing >Estimation of conditional mean by the linear combination of quantile regression under heteroscedastic asymmetric errors
【24h】

Estimation of conditional mean by the linear combination of quantile regression under heteroscedastic asymmetric errors

机译：异方差非对称误差下分位数回归线性组合的条件均值估计

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

We investigate regression problems when the error distributions are asymmetric and heavy-tail. If the error distribution is symmetric around the mean value, traditional robust estimators are helpful by reducing the ef-fect of outliers equally from both sides of the distribution. Under asymmetric heavy-tail error distribution, however, those estimators are biased. We suggest a robust estimator which consists of the linear combination of quantile regressions. The estimator is derived from generalized location scale models and we show the robustness of the suggested estimator theoretically. Numerical experiments confirm the clear advantages of the suggested estimator comparing to traditional ones.
机译：当误差分布不对称且重尾时，我们研究回归问题。如果误差分布在均值附近对称，则传统的鲁棒估计量将有助于从分布的两侧均等地减少离群值的影响。但是，在不对称的重尾误差分布下，这些估计量是有偏差的。我们建议使用由分位数回归的线性组合组成的稳健估计量。估算器是从广义位置比例模型得出的，我们从理论上证明了建议的估算器的鲁棒性。数值实验证实了与传统方法相比，建议的估计方法具有明显的优势。

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