W rozwoju nieparametrycznych metod regresji zauważalne jest coraz częstsze wykorzystywanie podejścia wielomodelowego. W celu uzyskania większej dokładności predykcji, do prognozowania stosowane są wskazania wielu modeli skonstruowanych na losowo dobranych podpróbach, których wyniki predykcji łączone są według określonej formuły – najczęściej przez uśrednianie.

Jak wykazują badania symulacyjne i wyniki teoretyczne, predykcja modelu zagregowanego jest na ogół dokładniejsza niż każdego z pojedynczych modeli składowych. Nie jest tak jednak zawsze. Warunkiem skuteczności zastosowania podejścia wielomodelowego jest to, by wyniki predykcji modeli składowych charakteryzowały się relatywnie silnym zróżnicowaniem.

W referacie przedstawione zostaną wyniki analizy zróżnicowania wybranych nieparametrycznych modeli regresji, co będzie pierwszym etapem w zweryfikowaniu hipotezy o zasadności agregacji tych modeli. Zaprezentowane zostanie również porównanie wyników predykcji pojedynczych oraz zagregowanych modeli.

Analiza zostanie przeprowadzona przy pomocy pakietu statystycznego R, na zbiorach standardowo wykorzystywanych do badania własności różnych metod wielowymiarowej analizy statystycznej.

Literatura:

1. Hastie T., Tibshirani R., Friedman J. H., The Elements of Statistical Learning, Springer – Verlag New York, 2001.

2. Joanna Trzęsiok, Metoda rzutowania w budowie modelu regresyjnego, „Postępy ekonometrii” – praca zbiorowa pod redakcją A. S. Barczaka, Wydawnictwo Akademii Ekonomicznej w Katowicach, 2004, s. 121 – 130.

3. Joanna Trzęsiok, Adaptacyjne metody jądrowe w regresji, W: Jajuga K., Walesiak M. (red.) „Klasyfikacja i analiza danych – teoria i zastosowania, Taksonomia 12”, Prace Naukowe Akademii Ekonomicznej we Wrocławiu (nr 1076), Wrocław 2005, s. 493 – 500.

• Legal notice:
  

  Copyright (c) Pielaszek Research, all rights reserved.
  The above materials, including auxiliary resources, are subject to Publisher's copyright and the Author(s) intellectual rights. Without limiting Author(s) rights under respective Copyright Transfer Agreement, no part of the above documents may be reproduced without the express written permission of Pielaszek Research, the Publisher. Express permission from the Author(s) is required to use the above materials for academic purposes, such as lectures or scientific presentations.
  In every case, proper references including Author(s) name(s) and URL of this webpage: https://science24.com/paper/10624 must be provided.