دانلود مقاله ISI انگلیسی شماره 110489
ترجمه فارسی عنوان مقاله

مدل سازگاری قوی و برآورد مدل های ضریب متغیر خطی جزئی در رگرسیون رتبه

عنوان انگلیسی
Robust adaptive model selection and estimation for partial linear varying coefficient models in rank regression
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
110489 2018 12 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Journal of the Korean Statistical Society, Volume 47, Issue 1, March 2018, Pages 54-65

ترجمه چکیده
مدل های جزئی ضریب متغیر خطی اغلب در تجزیه و تحلیل اطلاعات واقعی برای تعادل خوبی بین انعطاف پذیری و پارسیومت استفاده می شود. در این مقاله، ما یک روش انتخاب قوی تطبیقی ​​را بر اساس رگرسیون رتبه پیشنهاد می دهیم که می تواند برآورد ضرایب همزمان و سه نوع انتخاب، یعنی انتخاب اثرات متغیر و ثابت، انتخاب متغیر مربوطه را انجام دهد. روش جدید برتری در استحکام و کارایی را با به ارث بردن مزیت روش رگرسیونی رتبه بندی می کند. علاوه بر این، سازگاری در سه نوع انتخاب و املا اوراکل در برآورد نیز ایجاد شده است. مطالعات شبیه سازی همچنین روش ما را تایید می کند.
پیش نمایش مقاله
پیش نمایش مقاله  مدل سازگاری قوی و برآورد مدل های ضریب متغیر خطی جزئی در رگرسیون رتبه

چکیده انگلیسی

Partial linear varying coefficient models are often used in real data analysis for a good balance between flexibility and parsimony. In this paper, we propose a robust adaptive model selection method based on the rank regression, which can do simultaneous coefficient estimation and three types of selections, i.e., varying and constant effects selection, relevant variable selection. The new method has superiority in robustness and efficiency by inheriting the advantage of the rank regression approach. Furthermore, consistency in the three types of selections and oracle property in estimation are established as well. Simulation studies also confirm our method.