- Autor
- Gatnar Eugeniusz (Akademia Ekonomiczna im. Karola Adamieckiego w Katowicach)
- Tytuł
- Modele segmentowe w analizie regresji
Segmented Models in Regression - Źródło
- Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia (17), 2010, nr 107, s. 24-33, tab., bibliogr. 13 poz.
Research of Wrocław University of Economics - Tytuł własny numeru
- Klasyfikacja i analiza danych - teoria i zastosowania
- Słowa kluczowe
- Segmentacja, Analiza regresji, Metody badawcze
Segmentation, Regression analysis, Research methods - Uwagi
- streszcz., summ.
- Abstrakt
- Modele segmentowe to modele wykorzystujące rekurencyjny podział wielowymiarowej przestrzeni zmiennych na podprzestrzenie (segmenty). W każdym z tych segmentów jest budowany model lokalny, np. liniowy, a następnie modele te są łączone w jeden model globalny. Celem artykułu jest przedstawienie propozycji nowej metody budowy modeli segmentowych, która wykorzystuje podejście wielomodelowe. W pracy pokazano także zastosowanie różnych typów modeli segmentowych w analizie regresji oraz porównanie dokładności ich dopasowania do danych.(abstrakt oryginalny)
Segmented models are based on the recursive partitioning of multidimensional feature space into subspaces (regions). Then, in each segment a local model is built (e.g. li-near model) and finally all the local models are combined into the global model. The aim of the paper is to present a new method for building segmented models, that uses the multiple-model approach. We also discuss the results of application of different segmented models in regression and compare the goodness of fit of the models to the training data.(original abstract) - Dostępne w
- Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka SGH im. Profesora Andrzeja Grodka
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu - Pełny tekst
- Pokaż
- Bibliografia
-
- Blake C., Keogh E., Merz C.J., UCI Repository of Machine Learning Databases, Department of Information and Computer Science, University of California, Irvine 1988.
- Breiman L., Friedman J., Olshen R., Stone C., Classification and Regression Trees, CRC Press, London 1984.
- Friedman J.H., Multivariate adaptive regression splines, "Annals of Statistics" 1991 vol. 19.
- Gama J., Functional Trees, "Machine Learning" 2004 no 55, s. 219-250.
- Gatnar E., Nieparametryczna metoda dyskryminacji i regresji, Wydawnictwo Naukowe PWN, Warszawa 2001.
- Gatnar E., Podejście wielomodelowe w zagadnieniach dyskryminacji i regresji, Wydawnictwo Naukowe PWN, Warszawa 2008.
- Harrison D., Rubinfeld D.L., Hedonic prices and the demand for clean air, "Journal of Environmental Economics and Management" 1978 no 5, s. 81-102.
- Morgan J.N., Sonquist J.A., Problems in the analysis of survey data: a proposał, "Journal of the American Statistical Association" 1963 no 58, s. 417-434.
- Nyblom J., Testing for the constancy of parameters over time, "Journal of the American Statistical Association" 1989 no 84, s. 223-230.
- Ploberger W., Kramer W., The CUSUM test with OLS residuals, "Econometrica" 1992 no 60, s. 271-285.
- Walesiak M., Gatnar E. (red.), Statystyczna analiza danych z wykorzystaniem programu R, Wydawnictwo Naukowe PWN, Warszawa 2009.
- Zeileis A., A unified approach to structural change tests based on ml scores, F statistics, and OLS residuals, "Econometric Reviews" 2005 no 24, s. 445-466.
- Zeileis A., Hothorn T., Hornik K., Model-hased recursive partitioning, "Journal of Computational and Graphical Statistics" 2007 no 17(2), s. 492-514.
- Cytowane przez
- ISSN
- 1899-3192
1505-9332 - Język
- pol
