$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

Support vector quantile regression for longitudinal data 원문보기

Journal of the Korean Data & Information Science Society = 한국데이터정보과학회지, v.21 no.2, 2010년, pp.309 - 316  

Hwang, Chang-Ha (Department of Statistics, Dankook University)

Abstract ▼ AI-Helper 아이콘AI-Helper

Support vector quantile regression (SVQR) is capable of providing more complete description of the linear and nonlinear relationships among response and input variables. In this paper we propose a weighted SVQR for the longitudinal data. Furthermore, we introduce the generalized approximate cross va...

주제어

#Generalized approximate cross validation function   #kernel function   #longitudinal data   #support vector quantile regression  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

제안 방법

  • Just as classical linear regression methods based on minimizing the sum of squared residuals enable one to estimate a wide variety of models for conditional mean functions, quantile regression methods offer a mechanism for estimating models for the conditional median function, and the full range of other conditional quantile functions. By supplementing the estimation of conditional mean functions with techniques for estimating an entire family of conditional quantile functions, quantile regression is capable of providing a more complete statistical analysis of the stochastic relationships among random variables. The introductions and current research areas of the quantile regression can be found in Koenker and Hallock (2001), Yu et al.
  • In this paper, we dealt with estimating the nonlinear quantile regression function by SVQR for longitudinal data and obtained GACV function for the proposed procedure. Through the example we showed that the proposed procedure can be useful in analyzing longitudinal data.
본문요약 정보가 도움이 되었나요?

참고문헌 (19)

  1. Craven, P. and Wahba, G. (1979). Smoothing noisy data with spline functions: Estimating the correct degree of smoothing by the method of generalized cross-validation. Numerical Mathematics, 31, 377-403. 

  2. Geraci, M. and Bottai, M. (2007). Quantile regression for longitudinal data using the asymmetric Laplace distribution. Biostatistics, 8, 140-154. 

    상세보기 crossref

  3. Hedeker, D. and Gibbons, R. D. (2006). Longitudinal Data Analysis, John Wiley & Sons. 

  4. Hwang, C. (2007). Kernel machine for Poisson regression. Journal of Korean Data & Information Science Society, 18, 767-772 . 

  5. Hwang, C. (2008). Mixed effects kernel binomial regression. Journal of Korean Data & Information Science Society, 19, 1327-1334 . 

  6. Karlsson, A. (2008). Nonlinear quantile regression estimation for longitudinal data. Communications in Statistics - Simulation and Computation, 37, 114-131. 

    상세보기

  7. Kimeldorf, G. S. and Wahba, G. (1971). Some results on Tchebychean spline functions. Journal of Mathematical Analysis and its Applications, 33, 82-95. 

    상세보기 crossref

  8. Koenker, R. (2004). Quantile regression for longitudinal data. Journal of Multivariate Analysis, 91, 74-89. 

    상세보기 crossref

  9. Koenker, R. and Bassett. G. (1978). Regression quantile. Econometrica, 46, 33-50. 

    상세보기 crossref

  10. Koenker, R. and Hallock, K. F. (2001). Quantile regression. Journal of Economic Perspectives, 40, 122-142. 

  11. Koenker, R. and Park, B. J. (1996). An interior point algorithm for nonlinear quantile regression. Journal of Econometrics, 71, 265-283. 

    상세보기 crossref

  12. Li, Y., Liu, Y. and Zhu, J. (2007). Quantile regression in reproducing kernel hilbert spaces. Journal of the American Statistical Association, 102, 255-268. 

    상세보기 crossref

  13. Mercer, J. (1909). Functions of positive and ngative type and their cnnection with theory of integral equations. Philosophical Transactions of Royal Society, 415-446. 

  14. Shim , J. and Seok, K. H. (2008). Kernel poisson regression for longitudinal data. Journal of Korean Data & Information Science Society, 19, 1353-1360 . 

  15. Shim , J., Kim, T. Y., Lee, S. and Hwang, C. (2009). Credibility estimation via kernel mixed effects model. Journal of Korean Data & Information Science Society 20, 445-452 . 

  16. Smola, A. and Scholkopf, B. (1998). On a kernel-based method for pattern recognition, regression, approx-imation and operator inversion. Algorithmica, 22, 211-231. 

    상세보기 crossref

  17. Wu, H. and Zhang, J. (2006). Nonparametric regression methods for longitudinal data analysis, Wiley. 

  18. Yu, K., Lu, Z. and Stander, J. (2003). Quantile regression: Applications and current research area. The Statistician, 52, Part3, 331-350. 

  19. Yuan, M. (2006). GACV for quantile smoothing splines. Computational Statistics and Data Analysis, 50, 813-829. 

    상세보기 crossref

저자의 다른 논문 :

LOADING...

관련 콘텐츠

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로