经典非参数回归模型和贝叶斯非参数分位数回归模型的比较

本文刊于:《统计与决策》 2018年第17期

关键词:
非参数回归模型;分位数;Gibbs抽样算法;联合密度函数

Keywords
nonparameter regression model;quantile;Gibbs sampling algorithm;joint density function
下载地址:    全文下载
摘要
     文章基于贝叶斯法对非参数函数进行分位数处理,研究函数在每个分位点的基本特征,构建了一种新的基于贝叶斯法的非参数分位数回归模型,并与传统非参数回归模型进行算例比较。新模型具有以下优点:第一,分位点差异性。该模型有别于传统的非参数模型,可以对每个分位点的差异进行分析。第二,高效性。基于贝叶斯的基本方法对非参数函数进行分位数拓展研究,可以大大提高运算效率。第三,可靠性。Gibbs抽样校准结果较为理想、蒙特卡洛模拟的精度较高。


本文地址:www.fabiao.net/content-6-638226-1.html

上一篇:技性科学发展的社会规范问题探讨
下一篇:案例教学在“统计学”课程中的实践和思考

分享到: 分享经典非参数回归模型和贝叶斯非参数分位数回归模型的比较到腾讯微博           收藏
评论排行
公告