Kernel Regression Model with Correlated Errors

LAJDOVÁ, Dagmar; Jan KOLÁČEK a Ivanka HOROVÁ. Kernel Regression Model with Correlated Errors. In Applied Stochastic Models and Data Analysis (ASMDA2013). 2013.

Základní údaje

Originální název

Kernel Regression Model with Correlated Errors

Autoři

LAJDOVÁ, Dagmar; Jan KOLÁČEK ORCID a Ivanka HOROVÁ

Vydání

Applied Stochastic Models and Data Analysis (ASMDA2013), 2013

---

Další údaje

Jazyk

angličtina

Typ výsledku

Konferenční abstrakt

Obor

10103 Statistics and probability

Stát vydavatele

Španělsko

Utajení

není předmětem státního či obchodního tajemství

Označené pro přenos do RIV

Ne

Organizační jednotka

Přírodovědecká fakulta

Klíčová slova anglicky

kernel; regression; bandwidth selection; correlated errors

---

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.