ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > Employing the Bayesian Elastic...>الوصف
يجب تسجيل الدخول أولا

Employing the Bayesian Elastic Net in Quantile Regression with an Application

المصدر: مجلة القادسية للعلوم الإدارية والاقتصادية
الناشر: جامعة القادسية - كلية الادارة والاقتصاد
المؤلف الرئيسي: Almusaedi, Muntadher Hashim Mnati (Author)
مؤلفين آخرين: Flaih, Ahmad Naeem (Co-Author)
المجلد/العدد: مج23, ع3
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2021
الصفحات: 290 - 300
ISSN: 1816-9171
رقم MD: 1235234
نوع المحتوى: بحوث ومقالات
اللغة: الإنجليزية
قواعد المعلومات: EcoLink
مواضيع:
تحليل البيانات | الشبكة المرنة | الإحصاء التحليلي | الإنحدار الكمي
كلمات المؤلف المفتاحية:
التحليل البايزي | الإنحدار الكمي | الشبكة المرنة | عينة جيبس | Bayesian Analysis | Quantile Regression | Elastic Net | Gibbs Sampler
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.
صورة الغلاف QR قانون
حفظ في:
المستخلص: في هذا البحث نستخدم طريقة الشبكة المرنة البايزية في الانحدار الكمي. عادة ما يتم الجمع بين دالتي الجزاء (ريدج ولاسو) لإنتاج طريقة الشبكة المرنة، والتي يتم فيها تقليل تباين المقدرات ويقترب التحيز من القيمة الأصغر. أنتجت المفاضلة بين التحيز والتباين للمقدر نموذج انحدار قابل للتفسير وتعطي مزيدا من دقة التنبؤ. في هذا البحث، اقترحنا نموذجا هرميا بايزيا جديدا للانحدار الكمي من خلال استخدام توزيع مختلط لمعلمة المقياس من التوزيع الطبيعي مع توزيع كاما المبتور (∞،1) الذي اقترحه (Li and Lin, 2010) كتوزيع لابلاس المسبق للمعامل (β). وبناءا على ذلك تم اقتراح خوارزميات أخذ العينات جيبس الجديدة. تم خصم تطبيق البيانات الحقيقية للنموذج المقترح تم إجراء مقارنة مع نموذج الانحدار الكمي الكلاسيكي ونموذج الانحدار الكمي لاسو، نموذجنا قابل للمقارنة ويعطي نتائج أفضل.

In this paper we employing the Bayesian elastic net method in quantile regression. The two penalizing (ridge and lasso) function usually combined to produce the elastic net method, in which the variance of the estimators are reduced and the bias approaches the smaller value. The tradeoff between the bias and variance of the estimator produced an interpretable regression model and gives more prediction accuracy. In this paper, we proposed new Bayesian hierarchical model for the quantile regression by utilizing the scale mixture of normal mixing with truncated gamma distribution (1,∞) which proposed by (Li and Lin, 2010) as Laplace prior distribution for the parameter (β). Moreover, Gibbs sampling algorithms are introduced for the posterior distributions. Real data application for the proposed model has been deducted and a comparison has been made with classical quantile regression model, also with lasso quantile regression model. Our model is comparable and gives better results.
ISSN: 1816-9171

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.