رگرسیون قویِ ناهمسانِ ناهمسان (RQQR)
رگرسیون قویِ ناهمسانِ ناهمسان (Robust Quantile-on-Quantile Regression - RQQR) چارچوب ناهمسانِ ناهمسان (QQ) سیم و ژو (Sim and Zhou, 2015) را با افزودن مقاومت در برابر دادههای پرت و توزیعهای با دم سنگین گسترش میدهد. این روش تخمین میزند که هر ناهمسانِ یک متغیر چگونه به هر ناهمسانِ متغیر دیگر پاسخ میدهد، و یک سطح وابستگی کامل را تولید میکند، در حالی که در برابر نقاط اهرمی که میتوانند تخمینهای استاندارد QQ را مخدوش کنند، محافظت مینماید.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
نقشهٔ روش
همسایگی روشهای مرتبط — برای کاوش، یک گره را برگزینید.
منابع
- Sim, N., & Zhou, H. (2015). Oil prices, US stock return, and the dependence between their quantiles. Journal of Banking & Finance, 55, 1–8. DOI: 10.1016/j.jbankfin.2015.01.013 ↗
- Quantile regression. Wikipedia. link ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Robust Quantile-on-Quantile Regression. ScholarGate. https://scholargate.app/fa/econometrics/robust-quantile-on-quantile-regression
کدام روش؟
این روش را در کنار نزدیکترین روشهای خویشاوندش بگذارید و آنها را کنار هم بخوانید — کتابخانه کتابها را روی میز میگشاید؛ انتخاب با شماست.
- رگرسیون کوانتایلاقتصادسنجی↔ مقایسه
- رگرسیون کوانتایل-بر-کوانتایل (QQ)اقتصادسنجی↔ مقایسه
- رگرسیون مقاومآمار↔ مقایسه
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →