半帕尔

R包半PAR:半参数回归。这本书的主要目的是引导研究人员需要灵活地把非线性关系纳入他们的回归分析。几乎所有现有的回归文本专门处理参数或非参数回归。在这本书中,作者认为,非参数回归可以被看作是参数回归的相对简单的扩展,并将两者结合在一起。他们把这种组合称为半参数回归。半参数回归的方法是基于惩罚回归样条和混合模型。本书中的每一个模型都是线性混合模型或它的广义对应的一个特例。这本书非常有问题。他们合作研究的例子推动了材料和重点的选择,并贯穿本书。这本书适合几个读者。一个观众组成的学生或工作科学家,只有中等背景的回归,虽然熟悉矩阵和线性代数假设。他们瞄准的另一个受众包括统计学导向的科学家,他们对线性模型有很好的工作知识,并开始使用更灵活的半参数模型。有足够的新材料,即使是专家对平滑感兴趣,他们是第三个可能的观众。本书共19章,附录3篇。


ZBMaX中的参考文献(640篇)1标准条款

显示结果1至20的640。
按年份排序(引文
  1. 王,孝敬镇;Dy,Dipak K.:利用高斯过程模型学习缺失协变量的半参数回归(2020)
  2. Kuchibhotla,Arun K.;Patra,Rohit K.:通过平滑样条函数在单指标模型中的有效估计(2020)
  3. 林,Yingqian;Tu,Yundong;姚,七维:双非线性协整估计(2020)
  4. Reiss,Philip T.;徐,孟:张量积样条与泛函主元(2020)
  5. Amini、莫特扎、Roozbeh、马迪迪:通过减去加性结构噪声改善套索的预测性能(2019)
  6. Dursun,艾哈迈德,S. Ejaz;Y-LMAZ,ErSiN:右删失高维数据半参数回归模型的估计(2019)
  7. 曹,吉果;索亚波恩,Kunlaya;卡罗尔,Raymond J.;Ruppert,戴维:多相关函数结果的建模与预测(2019)
  8. Calron,昆廷;布鲁内尔,Nicolas J. -B:跟踪可能误报的部分观测线性常微分方程的参数和状态估计(2019)
  9. 崔,夏;赵,魏华;廉,Heng;梁,华:纵向数据在分位数加性模型中动态结构的追求(2019)
  10. Djeundje,Viani Biatat;克鲁克,乔纳森:信用风险变化系数的动态生存模型。(2019)
  11. 齐亚克,John J.;科夫曼,Donna L.;ReimHurr,马修;彼得罗维奇,贾斯廷;Runz;Ruz;Y.,Shiyko;,α:函数回归的标量,用于预测集中收集的纵向数据的远端结果:应用科学家的可解释性(2019)
  12. Hosseinpouri,马赫迪;Khaledi,Majid Jafari:空间数据的特定区域破棒过程(2019)
  13. 黄,Jing;袁,应,Witer,戴维:潜在类别动态中介模型及其在戒烟数据中的应用(2019)
  14. 黄,雷;江,慧;王,Huixia:时间序列数据的部分线性单指数模型(2019)
  15. 辉,Francis K. C.;你,C.;Shang,H. L.;Mü勒,塞缪尔:半参数回归的变分近似(2019)
  16. Jelsema,Casey M.;郭,Richard K.;Peddada,SyaMal.D:大尺度空间模型的阈值结选择及其在TethTimeDeaveLoad灾难中的应用(2019)
  17. 江,Yunlu;田,郭亮;费,Y:一种稳健的和有效的部分非线性模型的估计方法:新MM算法(2019)
  18. Jian,凌;马,Xiaoyu;宋,Yunquan;罗,石华:一类高维半参数模型的Laplace误差罚式M型模型检测(2019)
  19. 约翰逊,Nels G.;基姆,Inyoung:协变量误差匹配病例对照研究的半参数方法(2019)
  20. 哈立德,瓦尔德;林,Jinguan;韩,Zhongcheng;赵,Yanyong;郝,红霞:部分线性回归模型异方差检验(2019)