Kernel Regression Model with Correlated Errors

LAJDOVÁ, Dagmar, Jan KOLÁČEK a Ivanka HOROVÁ. Kernel Regression Model with Correlated Errors. In C H Skiadas. Theoretical and Applied Issues in Statistics and Demography. Athens: International Society for the Advancement of Science and Technology (ISAST), 2014, s. 3-14. ISBN 978-618-81257-7-3.

Základní údaje

Originální název

Kernel Regression Model with Correlated Errors

Název česky

Jádrová regrese s korelovanými chybami

Autoři

LAJDOVÁ, Dagmar (203 Česká republika, domácí), Jan KOLÁČEK (203 Česká republika, garant, domácí) a Ivanka HOROVÁ (203 Česká republika, domácí)

Vydání

Athens, Theoretical and Applied Issues in Statistics and Demography, od s. 3-14, 12 s. 2014

Nakladatel

International Society for the Advancement of Science and Technology (ISAST)

---

Další údaje

Jazyk

angličtina

Typ výsledku

Kapitola resp. kapitoly v odborné knize

Obor

10101 Pure mathematics

Stát vydavatele

Řecko

Utajení

není předmětem státního či obchodního tajemství

Forma vydání

tištěná verze "print"

Kód RIV

RIV/00216224:14310/14:00074716

Organizační jednotka

Přírodovědecká fakulta

ISBN

978-618-81257-7-3

Klíčová slova česky

jádro; regrese; volba vyhlazovacího parametru; korelované chyby

Klíčová slova anglicky

kernel; regression; bandwidth selection; correlated errors

Štítky

AKR, rivok

Příznaky

Mezinárodní význam, Recenzováno

---

Anotace

V originále

Kernel regression is one of the commonly used nonparametric methods for an estimation of a regression function. Nevertheless, there is a problem of choosing the value of the smoothing parameter, the bandwidth. In the case of independent observations the literature on the bandwidth selection is quite extensive. However, these standard methods, like cross-validation, perform badly when the errors are correlated. There are several possibilities how to overcome this. We will present and compare the partitioned cross-validation method and the plug-in method.