Czasopismo
Tytuł artykułu
Autorzy
Warianty tytułu
Języki publikacji
Abstrakty
Techniki regresji nieparametrycznej nie funkcjonują właściwie w przypadku regresji wielowymiarowej. Jednakże są to techniki działające skutecznie w przypadku regresji jednowymiarowej bądź o małej liczbie wymiarów, a ponadto są bardziej elastyczne niż ich parametryczne odpowiedniki. Oznacza to, że w przypadku regresji wielorakiej o dużych wymiarach wskazana jest redukcja wymiaru do niższego stopnia tak, aby możliwe było zastosowanie nieparametrycznych metod estymacji parametrów krzywych regresji. Jednym z podejść zmierzających do redukcji wymiaru w regresji wielorakiej jest tzw. regresja odwrócona (Li 1991), która pozwala znaleźć taką podprzestrzeń w przestrzeni zmiennych objaśniających, by zawierała ona niezbędne informacje istotne dla zagadnienia regresji.
It is well known that nonparametric regression techniques do not have good performance in high dimensional regression. However nonparametric regression is successful in one- or low-dimensional regression problems and is much more flexible than the parametric alternative. Hence, for high dimensional regression tasks one would like to reduce the regressor space to a lower dimension and then use nonparametric methods for curve estimation. A possible dimension reduction approach is Sliced Inverse Regression (Li 1991). It allows to find a base of a subspace in the regressor space with still carries important information for the regression. (short original abstract)
Słowa kluczowe
Rocznik
Strony
73-82
Opis fizyczny
Twórcy
autor
Bibliografia
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000000011059