Robust Multivariate Mixture Regression Models for Heterogeneous Data with Outliers

HwaKyungLim

Robust Multivariate Mixture Regression Models for Heterogeneous Data with Outliers

Recommendations

Search

이상점이 존재하는 이질적 자료에 대한 로버스트 다변량 혼합회귀모형

Type: Academic journal

Author: HwaKyungLim

Journal: The Korean Data Analysis Society Journal of The Korean Data Analysis Society Journal of The Korean Data Analysis Society 제19권 제5호 KCI Accredited Journals

Published: 2017.1

Pages: 2,383 - 2,394 (12page)

Usage

Robust Multivariate Mixture Regression Models for Heterogeneous Data with Outliers

Abstract· Keywords

Report Errors

Multivariate regression models are used to examine the relationship between two or more response variables and multiple explanatory variables. Data from a heterogeneous population can be analyzed using the multivariate mixture regression models that allow regression coefficients to vary across subgroups. Multivariate mixture regression models are typically modeled using normal distributions, but can be modeled using t-distributions for robust estimation if data contain outliers or noise. In this paper, a robust multivariate mixture regression model based on the multivariate t-distributions (MVTmixreg) is proposed to identify latent subgroups and robustly estimate the regression coefficients of each subgroup when there are outliers or noise in the sample from a heterogeneous population. The proposed model can also be used to find the partial correlation between the response variables in each latent subgroup. This partial correlation can be visualized by a plot. Simulation results show that the proposed model is superior to the other comparative models, and the proposed model is applied to the data of high school students’ test scores.

#혼합회귀모형 #t-분포 #이상점 #편상관. #mixture regression model #t-distribution #outlier #partial correlation.

No content found

References (13)

Add References

Andrews, D. F. / 1974 / Scale mixtures of normal distributions / Journal of the Royal Statistical Society, Series B 36 : 99 ~ 102

Bashir, S. / 2012 / Robust mixture of linear regression models / Communications in Statistics-Theory and Methods 41 : 3371 ~ 3388

Galimberti, G. / 2014 / A multivariate linear regression analysis using finite mixtures of t distributions / Computational Statistics and Data Analysis 71 : 138 ~ 150

Lim, H. K. / 2017 / Robust multivariate mixture regression models with incomplete data / Journal of Statistical Computation and Simulation 87 (2) : 328 ~ 347

Neykov, N. / 2007 / Robust fitting of mixtures using the trimmed likelihood estimator / Computational Statistics and Data Analysis 52 : 299 ~ 308

Recommendations

It is an article recommended by DBpia according to the article similarity. Check out the related articles!

Related Authors

임화경

Affiliation 한국자료분석학회

Fields Natural Science > Mathematics·Statistics

Articles 2 Usage 344

Comments(0)

Write first comments.

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

Abstract· Keywords

AI Summary

Topic

Background

Method

Result

주요내용

Contents

References (13)

Recommendations

Related Authors

Recently viewed articles

Comments(0)