Handbook of Quantile Regression

Die Quantilsregression stellt ein Ensemble statistischer Techniken dar, die dazu dienen, bedingte Quantilsfunktionen zu schätzen und Rückschlüsse darauf zu ziehen. Die mediane Regression, wie sie im 18. Jahrhundert von Boscovich und Laplace eingeführt wurde, ist ein Sonderfall. Im Gegensatz zur herkömmlichen mittleren Regression, bei der die Summen der quadrierten Residuen minimiert werden, minimiert die Medianregression die Summen der absoluten Residuen. Bei der Quantilsregression wird einfach der symmetrische absolute Verlust durch den asymmetrischen linearen Verlust ersetzt. Seit ihrer Einführung in den 1970er Jahren durch Koenker und Bassett wurde die Quantilsregression schrittweise auf eine Vielzahl von Datenanalyseumgebungen ausgeweitet, einschließlich Zeitreihen, Überlebensanalysen und Längsschnittdaten. Durch die Fokussierung der Aufmerksamkeit auf lokale Ausschnitte der bedingten Verteilung von Antwortvariablen ist es in der Lage, eine vollständigere, nuanciertere Sicht auf heterogene Kovariateneffekte zu liefern. Anwendungen der Quantilsregression finden sich heute in allen Wissenschaften, einschließlich Astrophysik, Chemie, Ökologie, Wirtschaft, Finanzen, Genomik, Medizin und Meteorologie. Software für die Quantilsregression ist heute in allen wichtigen statistischen Computing-Umgebungen weit verbreitet. Das Ziel dieses Bandes ist es, einen umfassenden Überblick über die jüngsten Entwicklungen der Quantilsregressionsmethodik zu geben und ihre Anwendbarkeit in einem breiten Spektrum von wissenschaftlichen Umgebungen zu veranschaulichen. Das Zielpublikum des Bandes sind Forscher und Doktoranden aus einer Vielzahl von Disziplinen. . Sprache: Englisch