Bayesian Spatial Quantile Regression
Keywords:
quantile regression, spatial quantile regression, bayesian spatial modelAbstract
W wielu zastosowaniach, podstawowym problemem jest opis i analiza wpływu wektora skorelowanych zmiennych objaśniających X na zmienna objaśnianą Y. W przypadku, gdy obserwacje badanych zmiennych są dodatkowo rozmieszczone przestrzennie, zadanie jest jeszcze trudniejsze, ponieważ mamy dodatkowe zależności, wynikające ze zmienności przestrzennej. Klasyczne podejście stosowane do takich problemów wykorzystuje założenie o skończonej wartości oczekiwanej zmiennych Y, wówczas przestrzenna funkcja regresji jest dobrze określona i dostarcza informacji o zależności zmiennej Y od zmiennych X. W tej pracy, w miejsce przestrzenna funkcja regresji wykorzystującej średnią, rozpatrzymy przestrzenna regresję kwantylową. Regresja kwantylowa zostanie omówiona w przestrzennym kontekście. Semiparametryczny model bayesowski i jego estymacja jest głównym celem tej pracy. Dodatkowe zasoby informacji o zmienności otrzymujemy badając kwantyle, wychodząc poza tradycyjny opis klasycznej regresji. Estymacja kwantylowa w modelu przestrzennym uwydatnia zależności przestrzenne dla różnych fragmentów rozważanych rozkładów.Downloads
References
Cai B, Dunson D. B. (2007), Bayesian multivariate isotonic regression splines: Applications to carcinogenicity studies. Journal of the American Statistical Association, 102: 1158-1171
Google Scholar
Chang I, Chien L, Hsiung CA, Wen C, Wu Y (2007). Shape restricted regression with random Bernstein polynomials. IMS Lecture Notes {Monograph Series, 54: 187-202
Google Scholar
Koenker R., Basset B. (1978), Regression Quantiles, Econometrica, Vol 46
Google Scholar
Koenker R., Hallock K. F. (2001), Quantile Regression, Journal of Economic Perspectives, 15
Google Scholar
Reich B.J., Fuentes M. (2007), A multivariate semiparametric Bayesian spatial modeling framework for hurricane surface wind fields, Annals of Applied Statistics, 1: 249-264
Google Scholar
Trzpiot G. (2009), Quantile Regression Model versus Factor Model Estimation, Financial Investments and Insurances – World Trends and Polish Market, University of Economics in Wrocław 60. 469-479
Google Scholar
Trzpiot G. (2009), Application weighted VaR in capital allocation, Polish Journal of Environmental Studies. Olsztyn. 18. 5B. 203-208
Google Scholar
Trzpiot G. (2009), Estimation methods for quantile regression, Economics Studies 53, University of Economics in Katowice. 81-90
Google Scholar
Trzpiot G. (2010), Quantile Regression Model of Return Rate Relation – Volatility for Some Warsaw Stock Exchange Indexes (in Polish), Finances. Financial Markets and Insurances. Capital Market, University of Szczecin. 28. 61-76
Google Scholar
Trzpiot G. (2011) Bayesian Quantile Regression, Economics Studies 65, University of Economics in Katowice, 33-44
Google Scholar
Trzpiot G. (2012) Spatial Quantile Regression, Comparative Economic Research. Central and Eastern Europe, Vol. 15, No 4, 265-279, Wydawnictwo Uniwersytetu Łódzkiego
Google Scholar
