Informacja

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

Wyszukujesz frazę "growth curve model" wg kryterium: Temat


Wyświetlanie 1-5 z 5
Tytuł:
Comparison of two estimation methods in growth curve model with concomitant variables
Porównanie dwóch metod estymacji w modelu krzywych wzrostu ze zmiennymi towarzyszącymi
Autorzy:
Wesolowska-Janczarek, M.
Kolczynska, E.
Powiązania:
https://bibliotekanauki.pl/articles/9727.pdf
Data publikacji:
2008
Wydawca:
Uniwersytet Przyrodniczy w Lublinie. Katedra Zastosowań Matematyki i Informatyki
Tematy:
comparison
estimation method
growth curve model
concomitant variable
Źródło:
Colloquium Biometricum; 2008, 38
1896-7701
Pojawia się w:
Colloquium Biometricum
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Selected models and methods of parameter estimation in growth curves with concomitant variables
Wybrane modele i metody estymacji parametrów w krzywych wzrostu ze zmiennymi towarzyszącymi
Autorzy:
Wesolowska-Janczarek, M.
Powiązania:
https://bibliotekanauki.pl/articles/9779.pdf
Data publikacji:
2009
Wydawca:
Uniwersytet Przyrodniczy w Lublinie. Katedra Zastosowań Matematyki i Informatyki
Tematy:
growth curve model
growth curve method
parameter estimation
growth curve
concomitant variable
data analysis
linear model
Źródło:
Colloquium Biometricum; 2009, 39
1896-7701
Pojawia się w:
Colloquium Biometricum
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Combining random coefficient regression with the Potthoff and Roy model in growth curve analysis
Łączenie modelu regresji z losowymi współczynnikami z modelem Potthoffa i Roya w analizie krzywej wzrostu
Autorzy:
Rosen, Dietrich von
Powiązania:
https://bibliotekanauki.pl/articles/905018.pdf
Data publikacji:
1993
Wydawca:
Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
Tematy:
Growth curve analysis
Potthoff Roy model
random coefficient regression
Opis:
W pracy tej połączono koncepcje modelowania danych generowanych wg krzywej wzrostu z modelami regresji o losowych współczynnikach. Zasadniczo, zostają rozszerzone wyniki pracy dyplomowej (Lundbуe-Christiansena (1988)). Pokazano, że kiedy występują pewne powiązania pomiędzy strukturą średniej i strukturą kowariancji, możliwe jest uzyskanie prostych algorytmów, prowadzących do estymatorów bez żadnych uciążliwych obliczeń.
In this paper ideas when modelling growth curve data with a random coefficient regression model are put together with ideas from the application of the Grówth Curve model. In general, results from [Lundbуe- - Christensen (1988)] are extended. It is shown that when there exist certain connections between the mean structure and the covariance structure it is possible to obtain straightforward algorithms, leading to estimators without any heavy calculations.
Źródło:
Acta Universitatis Lodziensis. Folia Oeconomica; 1993, 132
0208-6018
2353-7663
Pojawia się w:
Acta Universitatis Lodziensis. Folia Oeconomica
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Change over Time in Learners’ Mindsets about Learning a Foreign Language
Autorzy:
Shirvan, Majid Elahi
Taherian, Tahereh
Yazdanmehr, Elham
Robat, Esmaeel Saeedy
Powiązania:
https://bibliotekanauki.pl/articles/2121371.pdf
Data publikacji:
2022
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
language mindsets
language mindsets index
initial level
growth level
curve of factors model
Opis:
Inspired by the recent avenues for longitudinal research in second language acquisition (SLA), in this study we aimed to trace changes in language mindsets over time via a curve of factors model. The data were collected from 437 adult English as a foreign language learners’ response to the Language Mindsets Index in four time points. The model fit was accepted and the invariance of the latent factor was attested over time. The findings indicated a negative covariance between the initial level language mindsets and the growth level of the construct. This finding implies that learners with a highly initial level of language mindsets experienced less change in the construct over time and those with a lower level of the construct changed their mindsets more over time. Pedagogical implications of the findings such as language teachers’ consideration of growth language mindsets interventions are discussed.
Źródło:
Polish Psychological Bulletin; 2022, 53, 2; 94-103
0079-2993
Pojawia się w:
Polish Psychological Bulletin
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
On the use of growth curve in loss reserving
Zastosowanie krzywej wzrostu do szacowania rezerwy szkodowej
Autorzy:
Wolny-Dominiak, Alicja
Powiązania:
https://bibliotekanauki.pl/articles/588477.pdf
Data publikacji:
2016
Wydawca:
Uniwersytet Ekonomiczny w Katowicach
Tematy:
Gompertz growth curve
Loss reserving
Non-linear least squares method
Spline
Krzywa Gompertza
Model nieliniowy
Rezerwa szkodowa
Spliny
Opis:
This paper propose some modification of the method of prediction of incurred but not reported (IBNR) claim reserves in non-life insurance based on the growth curve modelling. Literature put forwards a wide variety of methods to predict the IBNR claim reserves, mostly using the chain-ladder technique. The method discussed herein is based on two-stage estimation of the expected amount of losses to emerge: the estimation of the ultimate loss by year and the estimation of the pattern of the loss emergence. In this procedure, a non-linear model of the growth curve is applied in which two restricting assumptions are made. Firstly, it is assumed that incremental losses follow an over-dispersed Poisson (ODP) distribution. Secondly, as the pattern of the loss to emerge, two-parametric log-logistic and Weibull growth curves are assumed. A different non-linear model is proposed in this paper to predict the IBNR claim reserves. In it, the threeparametric Gompertz growth curve is adopted. In order to estimate the model parameters, the non-linear (weighted) least squares (NLS) method is applied, in which incremental losses follow the normal distribution. Moreover, a non-parametric approach to the growth curve modelling based on spline fitting is proposed as an alternative. All calculations are carried out in R party using the package {ChainLadder}.
W artykule zaproponowano modyfikację metody predykcji rezerwy szkodowej (IBNR) w ubezpieczeniach majątkowych, w której wykorzystuje się modelowanie krzywej wzrostu. Literatura zawiera szeroką gamę metod predykcji rezerwy IBNR, głównie przy użyciu techniki chain-ladder. Metoda omówiona w niniejszym artykule opiera się na estymacji oczekiwanej wartości skumulowanych szkód przeprowadzanej dwuetapowo: szacowanie wartości szkód dla jednego roku wypadkowego oraz szacowanie krzywej wzrostu opisującej rozwój szkodowości, zakładając dalej, że krzywa jest taka sama dla każdego roku wypadkowego. Do szacowania krzywej wzrostu wykorzystuje się model nieliniowy, w którym przyjmuje się dwa podstawowe założenia. Po pierwsze, zakłada się, że rozkład skumulowanej wartości szkód ma rozkład ODP. Po drugie, zakłada się dwie parametryczne krzywe wzrostu: log-logistyczną oraz Weibulla. W artykule zaproponowano zastosowanie trzyparametrycznej krzywej wzrostu Gompertza. W celu oszacowania parametrów krzywej wykorzystano ważoną metodę najmniejszych kwadratów (NLS), w której przyjęto normalny rozkład skumulowanej wartości szkód. Ponadto zaproponowano alternatywne podejście nieparametryczne do modelowania krzywej wzrostu oparte na splinach. W przykładzie numerycznym wykorzystano rzeczywisty trójkąt szkód zaczerpnięty z literatury. Wszelkie obliczenia przeprowadzono w programie R, wykorzystując częściowo pakiet {ChainLadder}.
Źródło:
Studia Ekonomiczne; 2016, 291; 71-82
2083-8611
Pojawia się w:
Studia Ekonomiczne
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-5 z 5

    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