2020
Kernel estimation of regression function gradient
KROUPOVÁ, Monika, Ivanka HOROVÁ a Jan KOLÁČEKZákladní údaje
Originální název
Kernel estimation of regression function gradient
Autoři
KROUPOVÁ, Monika (203 Česká republika, garant, domácí), Ivanka HOROVÁ (203 Česká republika, domácí) a Jan KOLÁČEK (203 Česká republika, domácí)
Vydání
Communications in Statistics - Theory and Methods, Philadelphia, TAYLOR & FRANCIS INC, 2020, 0361-0926
Další údaje
Jazyk
angličtina
Typ výsledku
Článek v odborném periodiku
Obor
10103 Statistics and probability
Stát vydavatele
Spojené státy
Utajení
není předmětem státního či obchodního tajemství
Odkazy
Impakt faktor
Impact factor: 0.893
Kód RIV
RIV/00216224:14310/20:00115009
Organizační jednotka
Přírodovědecká fakulta
UT WoS
000499984200011
Klíčová slova anglicky
multivariate kernel regression; constrained bandwidth matrix; kernel smoothing
Štítky
Příznaky
Mezinárodní význam, Recenzováno
Změněno: 5. 2. 2021 09:09, Mgr. Marie Šípková, DiS.
Anotace
V originále
The present paper is focused on kernel estimation of the gradient of a multivariate regression function. Despite the importance of estimating partial derivatives of multivariate regression functions, the progress is rather slow. Our aim is to construct the gradient estimator using the idea of a local linear estimator for the regression function. The quality of this estimator is expressed in terms of the Mean Integrated Square Error. We focus on a crucial problem in kernel gradient estimation the choice of bandwidth matrix. Further, we present some data-driven methods for its choice and develop a new approach based on Newton's iterative process. The performance of presented methods is illustrated using a simulation study and real data example.
Návaznosti
MUNI/A/1418/2019, interní kód MU |
|