دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: آمار ریاضی ویرایش: نویسندگان: Marilena Furno. Domenico Vistocco سری: Regression analysis ISBN (شابک) : 9781119975281 ناشر: Wiley سال نشر: 2018 تعداد صفحات: 298 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 6 مگابایت
کلمات کلیدی مربوط به کتاب تخمین و شبیه سازی رگرسیون چندکی جلد 2: قوی، تحلیل رگرسیون، رگرسیون چندکی، استاتا، R
در صورت تبدیل فایل کتاب Quantile Regression Volume 2 Estimation and Simulation به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تخمین و شبیه سازی رگرسیون چندکی جلد 2 نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
جلد دوم رگرسیون کوانتیل راهنمای مهمی برای محققین کاربردی ارائه می دهد که از همان رویکرد مبتنی بر مثال اتخاذ شده برای جلد اول استفاده می کند. این متن موضوعاتی از جمله استحکام، انتظارات، m-quantile، تجزیه، سری های زمانی، مجموعه های عنصری و برنامه ریزی خطی را بررسی می کند. نمایش های گرافیکی به طور گسترده ای برای معرفی بصری چندین موضوع و برای نشان دادن هر روش استفاده می شود. تمام موضوعات به صورت تئوری و با استفاده از نمونههای داده واقعی بررسی میشوند. این کتاب که به عنوان یک منبع عملی طراحی شده است، بدون در نظر گرفتن پیشینه آماری بیش از حد فنی است. نویسندگان طیف وسیعی از مدلهای QR مفید در زمینههای مختلف را پوشش میدهند. دستورات نرم افزار در R و Stata در ضمیمه ها موجود است و در وب سایت همراه ارائه شده است. متن: یک نمای کلی از چندین موضوع فنی مانند استحکام رگرسیون های چندکی، مجموعه های راه انداز و عنصری، برآوردگرهای اثر درمان ارائه می دهد. رگرسیون چندکی را با برآوردگرهای جایگزین مانند انتظارات، برآوردگرهای M و کمیتهای M مقایسه میکند. مقدمه ای کلی برای برنامه ریزی خطی با تمرکز بر روش سیمپلکس به عنوان روش حل مسئله رگرسیون چندک ارائه می کند. مسائل سری زمانی مانند غیر ایستایی، رگرسیون های جعلی، هم انباشتگی، ناهمگونی مشروط از طریق رگرسیون چندکی را در نظر می گیرد. تحلیلی ارائه می دهد که هم از لحاظ نظری و هم عملی است نمونه های داده واقعی و نمایش های گرافیکی را برای توضیح مسائل فنی ارائه می دهد این متن که برای محققان و دانشجویان در زمینه های آمار، اقتصاد، اقتصاد سنجی، علوم اجتماعی و محیط زیست نوشته شده است، راهنمای تئوری و کاربرد مدل های رگرسیون چندکی را ارائه می دهد.
Volume two of Quantile Regression offers an important guide for applied researchers that draws on the same example-based approach adopted for the first volume. The text explores topics including robustness, expectiles, m-quantile, decomposition, time series, elemental sets and linear programming. Graphical representations are widely used to visually introduce several issues, and to illustrate each method. All the topics are treated theoretically and using real data examples. Designed as a practical resource, the book is thorough without getting too technical about the statistical background. The authors cover a wide range of QR models useful in several fields. The software commands in R and Stata are available in the appendixes and featured on the accompanying website. The text: Provides an overview of several technical topics such as robustness of quantile regressions, bootstrap and elemental sets, treatment effect estimators Compares quantile regression with alternative estimators like expectiles, M-estimators and M-quantiles Offers a general introduction to linear programming focusing on the simplex method as solving method for the quantile regression problem Considers time-series issues like non-stationarity, spurious regressions, cointegration, conditional heteroskedasticity via quantile regression Offers an analysis that is both theoretically and practical Presents real data examples and graphical representations to explain the technical issues Written for researchers and students in the fields of statistics, economics, econometrics, social and environmental science, this text offers guide to the theory and application of quantile regression models.
1 Robust regression 1 2 Quantile regression and related methods 29 3 Resampling, subsampling, and quantile regression 81 4 A not so short introduction to linear programming 127 5 Linear programming for quantile regression 191 6 Correlation 233