Non-parametric kernel regression for multinomial data
Non-parametric kernel regression for multinomial data
复制标题
多项数据的非参数核回归
DOI：
10.1016/j.jmva.2005.12.008
复制
发表时间：
2006
影响因子：
1.6
通讯作者：
K. Naito
中科院分区：
文献类型：
--
作者：
Hidenori Okumura;K. Naito
本文提出了一种多项式回归的核平滑方法。通过最小化局部幂发散度量构造了一类回归函数的估计量。这些估计器包括带宽和一个单一的参数，起源于功率发散措施作为平滑参数。建立了估计量的渐近理论，得到了有偏调整估计量。提出了一种基于数据的平滑参数选择算法。仿真结果表明，该算法的有效性。
This paper presents a kernel smoothing method for multinomial regression. A class of estimators of the regression functions is constructed by minimizing a localized power-divergence measure. These estimators include the bandwidth and a single parameter originating in the power-divergence measure as smoothing parameters. An asymptotic theory for the estimators is developed and the bias-adjusted estimators are obtained. A data-based algorithm for selecting the smoothing parameters is also proposed. Simulation results reveal that the proposed algorithm works efficiently.
DOI：
--
发表时间：
2006
期刊：
Journal of Nonparametric Statistics 18
影响因子：
--
作者：
Tadayoshi Fushiki;Shingo Horiuchi;Takashi Tsuchiya;Tadayoshi Fushiki;Inge Koch;Hidenori Okumura
通讯作者：
Hidenori Okumura