Bayesiansk kvantil-på-kvantil-regression
Bayesiansk kvantil-på-kvantil (BQQ) regression utökar Sim-Zhou-ramverket för kvantil-på-kvantil genom att ersätta frekventistisk lokal linjär estimering med Bayesiansk posterior inferens. För varje par av kvantiler (theta för utfall, tau för prediktor) ger metoden en fullständig posterior för lutningen, vilket möjliggör kvantifiering av osäkerhet över hela den bivaria kvantilytan — en viktig fördel när urvalsstorlekarna är måttliga och svanskvantilerna är glest fördelade.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Metodkarta
Närområdet av besläktade metoder — välj en nod för att utforska.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Bayesian Quantile-on-Quantile Regression. ScholarGate. https://scholargate.app/sv/econometrics/bayesian-quantile-on-quantile-regression
Vilken metod?
Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.
- Bayesiansk ARDL-gränstestEkonometri↔ jämför
- Bayesiansk VAR-modell (BVAR)Ekonometri↔ jämför
- Bayesiansk vektorkorrigeringsmodell (Bayesian VECM)Ekonometri↔ jämför
- Icke-linjär ARDL (NARDL) modellEkonometri↔ jämför
- KvantilregressionEkonometri↔ jämför
- Kvantil-i-kvantil-regression (QQ-regression)Ekonometri↔ jämför
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →