尤尔加·鲁克塞·奈特;普拉纳斯·瓦伊特库斯;波维拉斯阿西亚维奇乌斯 使用局部加权分位数回归预测综合指标。 （英语） Zbl 1420.62179号 非线性分析。，模型。控制 23、1号、19-30（2018）. 摘要：本文的主要目标是改进用于解决惩罚分位数回归问题的现有方法和工具。我们通过实现极端学习机（ELM）算法和局部加权回归的特性来改进分位数回归方法。此外，我们还使用了不同的惩罚函数。采用改进的方法对立陶宛经济的综合指标（CI）进行了一步预测。我们的分析表明，与其他分位数回归相比，改进的局部加权分位数回归的预测误差较小。 MSC公司： 62G08号 非参数回归和分位数回归 62第20页 统计学在经济学中的应用 关键词：分位数回归;惩罚函数;极限学习机;局部加权回归;综合指标 软件：rq笔 PDF格式BibTeX公司 XML格式引用 \textit{J.Rukönait}等人，《非线性分析》。，模型。控制23，编号1，19--30（2018；Zbl 1420.62179） 全文： 内政部 参考文献： [1] P.Asijavi cius，局部加权分位数回归，硕士论文，维尔纽斯大学，2015年。 [2] J.Fan，R.Li，通过非一致惩罚似然选择变量及其预言性质，美国统计协会，96（456）：1348-13602001·Zbl 1073.62547号 [3] G.-B.Huang，Q.-Y.Zhu，C.-K.Siew，极限学习机器：理论与应用，神经计算，70（1-3）：489-5012006。 [4] R.Koenker，G.Bassett，回归分位数，计量经济学，46（1）：33-501978·Zbl 0373.62038号 [5] A.Moore，J.Schneider，K.Deng，高效局部加权多项式回归预测，D.H.Fisher（Ed.），《第十四届机器学习国际会议论文集》，田纳西州纳什维尔，1997年7月8日至12日，Morgan Kaufmann，加利福尼亚州旧金山，1997年，第236-244页。 [6] G.Nicoletti，S.Scarpetta，O.Boylaud，《扩大就业保护立法的产品市场监管摘要指标》，经合组织工作文件，第226号，经合组织出版社，巴黎，2000年。 [7] J.Rukš˙enait˙e，因子轮换方法对模拟综合指标的影响，数学。模型。分析。，16(3):418-431, 2011. ·Zbl 1228.62155号 [8] J.Rukš*enait*e，P.Vaitkus，使用极限学习机和局部加权回归的组合方法预测综合指标，非线性分析。模型。控制，17（2）：238-2512012·Zbl 1321.68411号 [9] B.Sherwood，Penized quantile regression，rqPen包文档，2015年。 [10] J.Tang，G.Huang，多层感知器的极限学习机器，IEEE Trans。神经网络学习。系统。，27(4):809-821, 2015. [11] R.Tibshirani，《通过套索进行回归收缩和选择》，J.R.Stat.Soc.，Ser。B、 1（58）：267-2881996·Zbl 0850.62538号 [12] 张C.H.，最小最大凹惩罚下的几乎无偏变量选择，《统计年鉴》，38（2）：894-9422010·Zbl 1183.62120号 [13] H.Zou，自适应套索及其预言属性，美国统计协会，101（476）：1418-14292006·Zbl 1171.62326号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。