Kernel estimation of regression function gradient

Varování

Publikace nespadá pod Filozofickou fakultu, ale pod Přírodovědeckou fakultu. Oficiální stránka publikace je na webu muni.cz.
Autoři

KROUPOVÁ Monika HOROVÁ Ivanka KOLÁČEK Jan

Rok publikování 2020
Druh Článek v odborném periodiku
Časopis / Zdroj Communications in Statistics - Theory and Methods
Fakulta / Pracoviště MU

Přírodovědecká fakulta

Citace
www Full Text
Doi http://dx.doi.org/10.1080/03610926.2018.1532518
Klíčová slova multivariate kernel regression; constrained bandwidth matrix; kernel smoothing
Přiložené soubory
Popis The present paper is focused on kernel estimation of the gradient of a multivariate regression function. Despite the importance of estimating partial derivatives of multivariate regression functions, the progress is rather slow. Our aim is to construct the gradient estimator using the idea of a local linear estimator for the regression function. The quality of this estimator is expressed in terms of the Mean Integrated Square Error. We focus on a crucial problem in kernel gradient estimation the choice of bandwidth matrix. Further, we present some data-driven methods for its choice and develop a new approach based on Newton's iterative process. The performance of presented methods is illustrated using a simulation study and real data example.
Související projekty:

Používáte starou verzi internetového prohlížeče. Doporučujeme aktualizovat Váš prohlížeč na nejnovější verzi.