edoc-Server der Humboldt-Universität zu Berlin

Dissertation

Autor(en): Mengmeng Guo
Titel: Generalized quantile regression
Gutachter: Wolfgang Härdle; Jianhua Huang
Erscheinungsdatum: 22.08.2012
Volltext: pdf (urn:nbn:de:kobv:11-100203852)
Fachgebiet(e): Wirtschaft
Schlagwörter (ger): asymmetrischen Verlustmasses Funktionen, generalisierte Quantilregression, funktionalen Datenanalyseansatz, iterativ gewichteter Kleinste-Quadrate-Algorithmus, simultane Konfidenzbänder
Schlagwörter (eng): Asymmetric loss function, Functional data analysis, Generalized quantile curve, Iteratively reweighted least squares, simultaneous confidence bands
Einrichtung: Humboldt-Universität zu Berlin, Wirtschaftswissenschaftliche Fakultät
Lizenz: Namensnennung - Keine kommerzielle Nutzung - Keine Bearbeitung (CC BY NC ND)
Zitationshinweis: Guo, Mengmeng: Generalized quantile regression; Dissertation, Humboldt-Universität zu Berlin, Wirtschaftswissenschaftliche Fakultät , publiziert am 22.08.2012, urn:nbn:de:kobv:11-100203852
Metadatenexport: Um den gesamten Metadatensatz im Endnote- oder Bibtex-Format zu speichern, klicken Sie bitte auf den entsprechenden Link. Endnote   Bibtex  
print on demand: Wenn Sie auf dieses Icon klicken, können Sie ein Druckexemplar dieser Publikation bestellen.
Diese Seite taggen: Diese Icons führen auf so genannte Social-Bookmark-Systeme, auf denen Sie Lesezeichen anlegen, persönliche Tags vergeben und Lesezeichen anderer Nutzer ansehen können.
  • connotea
  • del.icio.us
  • Furl
  • RawSugar

Abstract (ger):
Die generalisierte Quantilregression, einschließlich der Sonderfälle bedingter Quantile und Expektile, ist insbesondere dann eine nützliche Alternative zum bedingten Mittel bei der Charakterisierung einer bedingten Wahrscheinlichkeitsverteilung, wenn das Hauptinteresse in den Tails der Verteilung liegt. Wir bezeichnen mit v_n(x) den Kerndichteschätzer der Expektilkurve und zeigen die stark gleichmßige Konsistenzrate von v-n(x) unter allgemeinen Bedingungen. Unter Zuhilfenahme von Extremwerttheorie und starken Approximationen der empirischen Prozesse betrachten wir die asymptotischen maximalen Abweichungen sup06x61 |v_n(x) − v(x)|. Nach Vorbild der asymptotischen Theorie konstruieren wir simultane Konfidenzb änder um die geschätzte Expektilfunktion. Wir entwickeln einen funktionalen Datenanalyseansatz um eine Familie von generalisierten Quantilregressionen gemeinsam zu schätzen. Dabei gehen wir in unserem Ansatz davon aus, dass die generalisierten Quantile einige gemeinsame Merkmale teilen, welche durch eine geringe Anzahl von Hauptkomponenten zusammengefasst werden können. Die Hauptkomponenten sind als Splinefunktionen modelliert und werden durch Minimierung eines penalisierten asymmetrischen Verlustmaßes gesch¨atzt. Zur Berechnung wird ein iterativ gewichteter Kleinste-Quadrate-Algorithmus entwickelt. Während die separate Schätzung von individuell generalisierten Quantilregressionen normalerweise unter großer Variablit¨at durch fehlende Daten leidet, verbessert unser Ansatz der gemeinsamen Schätzung die Effizienz signifikant. Dies haben wir in einer Simulationsstudie demonstriert. Unsere vorgeschlagene Methode haben wir auf einen Datensatz von 150 Wetterstationen in China angewendet, um die generalisierten Quantilkurven der Volatilität der Temperatur von diesen Stationen zu erhalten
Abstract (eng):
Generalized quantile regressions, including the conditional quantiles and expectiles as special cases, are useful alternatives to the conditional means for characterizing a conditional distribution, especially when the interest lies in the tails. We denote $v_n(x)$ as the kernel smoothing estimator of the expectile curves. We prove the strong uniform consistency rate of $v_{n}(x)$ under general conditions. Moreover, using strong approximations of the empirical process and extreme value theory, we consider the asymptotic maximal deviation $\sup_{ 0 \leqslant x \leqslant 1 }|v_n(x)-v(x)|$. According to the asymptotic theory, we construct simultaneous confidence bands around the estimated expectile function. We develop a functional data analysis approach to jointly estimate a family of generalized quantile regressions. Our approach assumes that the generalized quantiles share some common features that can be summarized by a small number of principal components functions. The principal components are modeled as spline functions and are estimated by minimizing a penalized asymmetric loss measure. An iteratively reweighted least squares algorithm is developed for computation. While separate estimation of individual generalized quantile regressions usually suffers from large variability due to lack of sufficient data, by borrowing strength across data sets, our joint estimation approach significantly improves the estimation efficiency, which is demonstrated in a simulation study. The proposed method is applied to data from 150 weather stations in China to obtain the generalized quantile curves of the volatility of the temperature at these stations
Zugriffsstatistik: Die Daten für die Zugriffsstatistik der einzelnen Dokumente wurden aus den durch AWStats aggregierten Webserver-Logs erstellt. Sie beziehen sich auf den monatlichen Zugriff auf den Volltext sowie auf die Startseite. Die Zugriffsstatistik wird nicht standardisiert erfasst und kann maschinelle Zugriffe enthalten.
 
Bei Formatversionen eines Dokuments, die aus mehreren Dateien bestehen (insbesondere HTML), wird jeweils der monatlich höchste Zugriffswert auf eine der Dateien (Kapitel) des Dokuments angezeigt.
 
Um die detaillierten Zugriffszahlen zu sehen, fahren Sie bitte mit dem Mauszeiger über die einzelnen Balken des Diagramms.
PDF: 23 Zugriffe PDF: 37 Zugriffe PDF: 37 Zugriffe PDF: 22 Zugriffe Startseite: 4 Zugriffe PDF: 24 Zugriffe Startseite: 16 Zugriffe PDF: 41 Zugriffe Startseite: 6 Zugriffe PDF: 29 Zugriffe Startseite: 8 Zugriffe PDF: 33 Zugriffe Startseite: 8 Zugriffe PDF: 16 Zugriffe Startseite: 6 Zugriffe PDF: 21 Zugriffe Startseite: 10 Zugriffe PDF: 22 Zugriffe Startseite: 5 Zugriffe PDF: 21 Zugriffe Startseite: 4 Zugriffe PDF: 19 Zugriffe Startseite: 6 Zugriffe PDF: 18 Zugriffe Startseite: 5 Zugriffe PDF: 25 Zugriffe Startseite: 5 Zugriffe PDF: 23 Zugriffe Startseite: 2 Zugriffe PDF: 20 Zugriffe Startseite: 9 Zugriffe PDF: 112 Zugriffe Startseite: 8 Zugriffe PDF: 82 Zugriffe Startseite: 12 Zugriffe PDF: 36 Zugriffe Startseite: 9 Zugriffe PDF: 59 Zugriffe Startseite: 7 Zugriffe PDF: 35 Zugriffe Startseite: 3 Zugriffe
Sep
12
Oct
12
Nov
12
Dec
12
Jan
13
Feb
13
Mar
13
Apr
13
May
13
Jun
13
Jul
13
Aug
13
Sep
13
Oct
13
Nov
13
Dec
13
Jan
14
Feb
14
Mar
14
Apr
14
May
14
Jun
14
Jul
14
Monat Sep
12
Oct
12
Nov
12
Dec
12
Jan
13
Feb
13
Mar
13
Apr
13
May
13
Jun
13
Jul
13
Aug
13
Sep
13
Oct
13
Nov
13
Dec
13
Jan
14
Feb
14
Mar
14
Apr
14
May
14
Jun
14
Jul
14
Startseite         4 16 6 8 8 6 10 5 4 6 5 5 2 9 8 12 9 7 3
PDF 23 37 37 22 24 41 29 33 16 21 22 21 19 18 25 23 20 112 82 36 59 35  

Gesamtzahl der Zugriffe seit Sep 2012:

  • Startseite – 133 (7 pro Monat)
  • PDF – 755 (32.83 pro Monat)
 
 
Generiert am 01.08.2014, 20:03:33