Bayesian Quantile-on-Quantile Regression
Bayesian Quantile-on-Quantile (BQQ) Regression extends the Sim-Zhou quantile-on-quantile framework by replacing frequentist local linear estimation with Bayesian posterior inference. For each pair of quantiles (theta of the outcome, tau of the predictor), the method yields a full posterior distribution over the slope, enabling uncertainty quantification across the entire bivariate quantile surface — a key advantage when sample sizes are moderate and tail quantiles are sparse.
Catatan sumber
Kutipan disalin apa adanya dari catatan sumber metode. Tidak ada verifikasi tingkat klaim yang disimpulkan darinya.
- 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
- 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
Klaim yang dikurasi
Klaim tersimpan dalam buku besar bukti, masing-masing dengan penilaiannya sendiri.
Tampilan ini tidak menciptakan penilaian klaim ketika buku besar tidak memilikinya.
Metode terkait
Dihasilkan dari grafik metode dan ditampilkan sebagai relasi yang disarankan mesin — tidak ada klaim bukti yang disimpulkan.