Bayesian Quantile Regression
Bayesian Quantile Regression schätzt die vollständige Posterior-Verteilung der Regressionskoeffizienten für jedes gewählte Quantil des Ergebnisses. Durch die Kombination der asymmetrischen Laplace-Likelihood mit Prior-Verteilungen über die Koeffizienten liefert sie unsicherheitsquantifizierte Schätzungen bedingter Quantile – wie Median, 10. oder 90. Perzentil –, ohne Gaußsche Fehler anzunehmen.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- Kozumi, H., & Kobayashi, G. (2011). Gibbs sampling methods for Bayesian quantile regression. Journal of Statistical Computation and Simulation, 81(11), 1565–1578. DOI: 10.1080/00949655.2010.496117 ↗
- Yu, K., & Zhang, J. (2005). A three-parameter asymmetric Laplace distribution and its extension. Communications in Statistics – Theory and Methods, 34(9–10), 1867–1879. DOI: 10.1080/03610920500199018 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Bayesian Quantile Regression. ScholarGate. https://scholargate.app/de/statistics/bayesian-quantile-regression
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Bayesian Generalisiertes Lineares ModellStatistik↔ compare
- Bayesian Multiple Linear RegressionStatistik↔ compare
- Bayesian Robust RegressionStatistik↔ compare
- Bayesian Tobit-ModellStatistik↔ compare
- Quantile RegressionÖkonometrie↔ compare
- Robuste QuantilregressionStatistik↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →