Bandwidth matrix selectors for multivariate kernel regression

KOLÁČEK, Jan a Ivanka HOROVÁ. Bandwidth matrix selectors for multivariate kernel regression. In 3rd Stochastic Modeling Techniques and Data Analysis International Conference. 2014.

Základní údaje

Originální název

Bandwidth matrix selectors for multivariate kernel regression

Autoři

KOLÁČEK, Jan a Ivanka HOROVÁ

Vydání

3rd Stochastic Modeling Techniques and Data Analysis International Conference, 2014

---

Další údaje

Jazyk

angličtina

Typ výsledku

Prezentace na konferencích

Obor

10101 Pure mathematics

Stát vydavatele

Portugalsko

Utajení

není předmětem státního či obchodního tajemství

Organizační jednotka

Přírodovědecká fakulta

Klíčová slova anglicky

multivariate kernel regression; constrained bandwidth matrix; MSE

Příznaky

Mezinárodní význam, Recenzováno

---

Anotace

V originále

The most important factor in multivariate kernel regression is a choice of a bandwidth matrix. This choice is particularly important, because of its role in controlling both the amount and the direction of multivariate smoothing. Considerable attention has been paid to constrained parameterization of the bandwidth matrix such as a diagonal matrix. The proposed method is based on an optimally balanced relation between the integrated variance and the integrated squared bias. The utility of the method is illustrated through a simulation study and real data applications.