본문 바로가기
HOME> 논문 > 논문 검색상세

논문 상세정보

Journal of the Korean Data & Information Science Society = 한국데이터정보과학회지 v.21 no.2, 2010년, pp.309 - 316   피인용횟수: 5
본 등재정보는 저널의 등재정보를 참고하여 보여주는 베타서비스로 정확한 논문의 등재여부는 등재기관에 확인하시기 바랍니다.

Support vector quantile regression for longitudinal data

Hwang, Chang-Ha    (Department of Statistics, Dankook University  );
  • 초록

    Support vector quantile regression (SVQR) is capable of providing more complete description of the linear and nonlinear relationships among response and input variables. In this paper we propose a weighted SVQR for the longitudinal data. Furthermore, we introduce the generalized approximate cross validation function to select the hyperparameters which affect the performance of SVQR. Experimental results are the presented, which illustrate the performance of the proposed SVQR.


  • 주제어

    Generalized approximate cross validation function .   kernel function .   longitudinal data .   support vector quantile regression.  

  • 참고문헌 (19)

    1. Craven, P. and Wahba, G. (1979). Smoothing noisy data with spline functions: Estimating the correct degree of smoothing by the method of generalized cross-validation. Numerical Mathematics, 31, 377-403. 
    2. Geraci, M. and Bottai, M. (2007). Quantile regression for longitudinal data using the asymmetric Laplace distribution. Biostatistics, 8, 140-154. 
    3. Hedeker, D. and Gibbons, R. D. (2006). Longitudinal Data Analysis, John Wiley & Sons. 
    4. Hwang, C. (2007). Kernel machine for Poisson regression. Journal of Korean Data & Information Science Society, 18, 767-772 .     
    5. Hwang, C. (2008). Mixed effects kernel binomial regression. Journal of Korean Data & Information Science Society, 19, 1327-1334 .     
    6. Karlsson, A. (2008). Nonlinear quantile regression estimation for longitudinal data. Communications in Statistics - Simulation and Computation, 37, 114-131. 
    7. Kimeldorf, G. S. and Wahba, G. (1971). Some results on Tchebychean spline functions. Journal of Mathematical Analysis and its Applications, 33, 82-95. 
    8. Koenker, R. (2004). Quantile regression for longitudinal data. Journal of Multivariate Analysis, 91, 74-89. 
    9. Koenker, R. and Bassett. G. (1978). Regression quantile. Econometrica, 46, 33-50. 
    10. Koenker, R. and Hallock, K. F. (2001). Quantile regression. Journal of Economic Perspectives, 40, 122-142. 
    11. Koenker, R. and Park, B. J. (1996). An interior point algorithm for nonlinear quantile regression. Journal of Econometrics, 71, 265-283. 
    12. Li, Y., Liu, Y. and Zhu, J. (2007). Quantile regression in reproducing kernel hilbert spaces. Journal of the American Statistical Association, 102, 255-268. 
    13. Mercer, J. (1909). Functions of positive and ngative type and their cnnection with theory of integral equations. Philosophical Transactions of Royal Society, 415-446. 
    14. Shim , J. and Seok, K. H. (2008). Kernel poisson regression for longitudinal data. Journal of Korean Data & Information Science Society, 19, 1353-1360 .     
    15. Shim , J., Kim, T. Y., Lee, S. and Hwang, C. (2009). Credibility estimation via kernel mixed effects model. Journal of Korean Data & Information Science Society 20, 445-452 .     
    16. Smola, A. and Scholkopf, B. (1998). On a kernel-based method for pattern recognition, regression, approx-imation and operator inversion. Algorithmica, 22, 211-231. 
    17. Wu, H. and Zhang, J. (2006). Nonparametric regression methods for longitudinal data analysis, Wiley. 
    18. Yu, K., Lu, Z. and Stander, J. (2003). Quantile regression: Applications and current research area. The Statistician, 52, Part3, 331-350. 
    19. Yuan, M. (2006). GACV for quantile smoothing splines. Computational Statistics and Data Analysis, 50, 813-829. 
  • 이 논문을 인용한 문헌 (5)

    1. 2010. "" Journal of the Korean Data & Information Science Society = 한국데이터정보과학회지, 21(5): 973~981     
    2. 2011. "" Journal of the Korean Data & Information Science Society = 한국데이터정보과학회지, 22(5): 999~1005     
    3. Shim, Joo-Yong ; Hwang, Chang-Ha 2012. "M-quantile kernel regression for small area estimation" Journal of the Korean Data & Information Science Society = 한국데이터정보과학회지, 23(4): 749~756     
    4. 2012. "" Journal of the Korean Data & Information Science Society = 한국데이터정보과학회지, 23(4): 825~832     
    5. Shim, Jooyong ; Kim, Youngwon ; Hwang, Changha 2013. "Generalized kernel estimating equation for panel estimation of small area unemployment rates" Journal of the Korean Data & Information Science Society = 한국데이터정보과학회지, 24(6): 1199~1210     

 활용도 분석

  • 상세보기

    amChart 영역
  • 원문보기

    amChart 영역

원문보기

무료다운로드
  • NDSL :
  • 한국데이터정보과학회 : 저널
유료다운로드

유료 다운로드의 경우 해당 사이트의 정책에 따라 신규 회원가입, 로그인, 유료 구매 등이 필요할 수 있습니다. 해당 사이트에서 발생하는 귀하의 모든 정보활동은 NDSL의 서비스 정책과 무관합니다.

원문복사신청을 하시면, 일부 해외 인쇄학술지의 경우 외국학술지지원센터(FRIC)에서
무료 원문복사 서비스를 제공합니다.

NDSL에서는 해당 원문을 복사서비스하고 있습니다. 위의 원문복사신청 또는 장바구니 담기를 통하여 원문복사서비스 이용이 가능합니다.

이 논문과 함께 출판된 논문 + 더보기