Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "Bayesian estimation" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-2 z 2
    Tytuł:
    MULTIPARAMETRIC AND HIERARCHICAL SPATIAL AUTOREGRESSIVE MODELS: THE EVALUATION OF THE MISSPECIFICATION OF SPATIAL EFFECTS USING A MONTE CARLO SIMULATION
    WIELOPARAMETRYCZNE I HIERARCHICZNE MODELE PRZESTRZENNEJ AUTOREGRESJI. EWALUACJA SKUTKÓW BŁĘDNEJ SPECYFIKACJI EFEKTÓW PRZESTRZENNYCH NA PODSTAWIE SYMULACJI MONTE CARLO
    Autorzy:
    Łaszkiewicz, Edyta
    Powiązania:
    https://bibliotekanauki.pl/articles/654752.pdf
    Data publikacji:
    2014
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    Model przestrzenny
    model hierarchiczny
    estymacja Monte Carlo
    Bayesowska.
    Spatial model
    hierarchical model
    Monte Carlo
    Bayesian estimation.
    Opis:
    Artykuł ma na celu przetestowanie modelu przestrzennego i hierarchicznego, przeznaczonych do analiz procesów przestrzennych cechujących się przestrzenną heterogenicznością i autoregresją, pod kątem skutków błędnej specyfikacji efektów przestrzennych. W badaniu wykorzystano symulację Monte Carlo, którą przeprowadzono dla modelu m-SAR i HSAR. Wyniki badania wskazują, że błędne rozpoznanie przestrzennej homogeniczności lub heterogeniczności procesu wpływa negatywnie m.in. na oszacowania parametru interakcji przestrzennych na poziomie indywidualnym. Zastosowanie modelu m-SAR do analizy procesu z przestrzenną heterogenicznością skutkuje przeszacowaniem parametru interakcji przestrzennych.
    The aim of this paper is to evaluate the spatial and hierarchical models for data generating processes with spatial heterogeneity and spatial dependence at the higher level. The simulation for the m-SAR and HSAR models was used to discuss the consequences of spatial misspecification. We noticed that the misspecification of spatial homogeneity or heterogeneity in both models affects i.a. the estimated parameter for spatial interactions at the individual level. Applying a m-SAR model for spatially heterogeneous processes causes the overestimation of the spatial interaction parameter.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2014, 5, 307
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Bayesian estimation of a shift point in a two-phase regression model
    Bayesowska estymacja punktu zmiany w modelu regresji dwufazowej
    Autorzy:
    Jadamus-Hacura, Maria
    Powiązania:
    https://bibliotekanauki.pl/articles/904616.pdf
    Data publikacji:
    1997
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    two-phase-regression model
    changing linear model
    detection a break point
    Bayesian estimation
    test for structural stability
    Opis:
    The purpose of this paper is to carry out the Bayesian analysis of a two-phase regression model with an unknown break point. Essentially, there are two problems associated with a changing linear model. Firstly, one will want to be able to detect a break point, and secondly, assuming that a change has occurred, to be able to estimate it as well as other parameters of the model. Much of the classical testing procedure for the parameter constancy (as the Chow test, CUSUM, CUSUMSQ, tests and their modifications, predictions tests for structural stability) indicate only that the regression coefficients shifted, without specifying a break point. In this study we adopt the Bayesian methodology of investigating structural changes in regression models. The break point is identified as the largest posterior mass density, the peak of the posterior discrete distribution of a break point. It seems to work well with artificially generated data. The Bayesian framework also seems to be promising for extending the analysis of a single break to that of multiple breaks.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 1997, 141
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-2 z 2

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies