ارسل ملاحظاتك

ارسل ملاحظاتك لنا







Sparse Dimension Reduction via Penalized Quantile MAVE

المصدر: مجلة القادسية للعلوم الإدارية والاقتصادية
الناشر: جامعة القادسية - كلية الادارة والاقتصاد
المؤلف الرئيسي: Malik, Doaa Tahir (Author)
مؤلفين آخرين: Alkenani, Ali (Co-Author)
المجلد/العدد: مج21, ع2
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2019
الصفحات: 1 - 11
ISSN: 1816-9171
رقم MD: 1234714
نوع المحتوى: بحوث ومقالات
اللغة: الإنجليزية
قواعد المعلومات: EcoLink
مواضيع:
كلمات المؤلف المفتاحية:
Dimension Regression | Quantile Regression | MAVE | Quantile MAVE | Lasso
رابط المحتوى:
صورة الغلاف QR قانون
حفظ في:
LEADER 01629nam a22002297a 4500
001 1983494
041 |a eng 
044 |b العراق 
100 |9 659452  |a Malik, Doaa Tahir  |e Author 
245 |a Sparse Dimension Reduction via Penalized Quantile MAVE 
260 |b جامعة القادسية - كلية الادارة والاقتصاد  |c 2019 
300 |a 1 - 11 
336 |a بحوث ومقالات  |b Article 
520 |b In this paper, the quantile minimum average variance estimator method (QMAVE) and the sparse quantile minimum average variance estimator with lasso penalty (LQMAVE) were proposed. In addition, this paper introduced an inclusive study of QMAVE and LQMAVE. Efficient algorithms proposed to solve QMAVE and LQMAVE minimization problems. The real data analysis and simulations were used to examine the performance of QMAVE and LQMAVE, respectively. From the numerical results, it is clear that the QMAVE and LQMAVE are useful methods in practice. 
653 |a تحليل البيانات  |a الإحصاء التطبيقي  |a نظم المعلومات الإدارية 
692 |b Dimension Regression  |b Quantile Regression  |b MAVE  |b Quantile MAVE  |b Lasso 
700 |a Alkenani, Ali  |e Co-Author  |9 659453 
773 |4 الاقتصاد  |6 Economics  |c 001  |e Al-Qadisiyah Journal for Administrative & Economic Sciences  |f Maǧallaẗ al-qādisiyyaẗ li-l-ʻulūm al-idāriyyaẗ wa-al-iqtiṣādiyyaẗ  |l 002  |m مج21, ع2  |o 0478  |s مجلة القادسية للعلوم الإدارية والاقتصادية  |v 021  |x 1816-9171 
856 |u 0478-021-002-001.pdf 
930 |d n  |p y  |q n 
995 |a EcoLink 
999 |c 1234714  |d 1234714 

عناصر مشابهة