ScholarGate
دستیار
Regression modelEconometrics / time series

رگرسیون بیزی کوانتایل-بر-کوانتایل

رگرسیون بیزی کوانتایل-بر-کوانتایل (BQQ) چارچوب کوانتایل-بر-کوانتایل سیم-ژو را با جایگزینی تخمین محلی خطی فراوانی‌گرا با استنتاج پسین بیزی گسترش می‌دهد. برای هر جفت کوانتایل (تتا از پیامد، تاو از پیش‌بینی‌کننده)، این روش توزیع پسین کاملی را بر روی شیب ارائه می‌دهد و امکان سنجش عدم قطعیت را در سراسر سطح کوانتایل دو متغیره فراهم می‌کند — یک مزیت کلیدی زمانی که حجم نمونه متوسط است و کوانتایل‌های دم پراکنده هستند.

به‌کارگیری با EconMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

The neighbourhood of related methods — select a node to explore.

منابع

  1. Sim, N., & Zhou, H. (2015). Oil prices, US stock return, and the dependence between their quantiles. Journal of Banking and Finance, 55, 1–8. DOI: 10.1016/j.jbankfin.2015.01.013
  2. Yu, K., & Moyeed, R. A. (2001). Bayesian quantile regression. Statistics and Probability Letters, 54(4), 437–447. DOI: 10.1016/S0167-7152(01)00124-9

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Bayesian Quantile-on-Quantile Regression. ScholarGate. https://scholargate.app/fa/econometrics/bayesian-quantile-on-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.

Compare side by side
ScholarGateBayesian Quantile-on-Quantile Regression (Bayesian Quantile-on-Quantile Regression). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/econometrics/bayesian-quantile-on-quantile-regression · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026