• Communications for Statistical Applications and Methods
• /
• 제4권3호
• /
• pp.881-890
• /
• 1997

The local linear estimator usually has more attractive properties than Nadaraya-Watson estimator. But the local linear estimator gives bad performance where data are sparse. Muller and Song proposed Shifted Nadaraya Watson estimator which has treated data sparsity well. We show that Shifted Nadaraya Watson estimator has good performance not only in the sparse region but also in the dense region, through the simulation study. Ans we suggest the boundary treatment of Shifted Nadaraya Watson estimator.

• Communications for Statistical Applications and Methods
• /
• 제22권5호
• /
• pp.463-473
• /
• 2015

We consider a nonparametric AR(1) model with nonparametric ARCH(1) errors. In order to estimate the unknown function of the ARCH part, we apply the stationary bootstrap procedure, which is characterized by geometrically distributed random length of bootstrap blocks and has the advantage of capturing the dependence structure of the original data. The proposed method is composed of four steps: the first step estimates the AR part by a typical kernel smoothing to calculate AR residuals, the second step estimates the ARCH part via the Nadaraya-Watson kernel from the AR residuals to compute ARCH residuals, the third step applies the stationary bootstrap procedure to the ARCH residuals, and the fourth step defines the stationary bootstrapped Nadaraya-Watson estimator for the ARCH function with the stationary bootstrapped residuals. We prove the asymptotic validity of the stationary bootstrap estimator for the unknown ARCH function by showing the same limiting distribution as the Nadaraya-Watson estimator in the second step.

• Journal of the Korean Statistical Society
• /
• 제30권1호
• /
• pp.21-30
• /
• 2001

Suppose we observe a set of data (X$_1$,Y$_1$(, …, (X$_{n}$,Y$_{n}$) and use the Nadaraya-Watson regression estimator to estimate m(x)=E(Y│X=x). in this article bandwidth selection problem for the Nadaraya-Watson regression estimator is investigated. In particular cross validation method based on average square error(ASE) is considered. Theoretical results here include a central limit theorem that quantifies convergence rates of the bandwidth selector.tor.

• 한국데이터정보과학회:학술대회논문집
• /
• 한국데이터정보과학회 2002년도 춘계학술대회
• /
• pp.29-30
• /
• 2002

• International Journal of Advanced Culture Technology
• /
• 제10권1호
• /
• pp.236-241
• /
• 2022

We consider methods of estimating a binary regression function using a nonparametric kernel estimation when there is only one covariate. For this, the Nadaraya-Watson estimation method using single and double bandwidths are used. For choosing a proper smoothing amount, the cross-validation and plug-in methods are compared. In the real data analysis for case study, German credit data and heart disease data are used. We examine whether the nonparametric estimation for binary regression function is successful with the smoothing parameter using the above two approaches, and the performance is compared.

• 응용통계연구
• /
• 제30권2호
• /
• pp.259-269
• /
• 2017

분산함수가 불연속점을 가지는 경우, 대부분의 비모수적 함수 추정 연구에서 분산함수가 음수 값을 갖지 않기에 잔차제곱을 이용한 Nadaraya-Watson 추정량인 국소상수항추정량을 이용하였다. 한편, Huh (2014, 2016a)는 Chen 등 (2009)과 Yu와 Jones (2004)의 연구를 바탕으로 불연속 분산함수를 로그 변환한 로그분산함수를 추정 대상으로 삼아 잔차제곱이나 로그잔차제곱으로 경계점 문제를 가지지 않는 국소선형추정량을 이용하여 비모수적으로 추정하였다. Huh (2016b)는 불연속점에서 점프크기추정량을 활용하여 잔차제곱을 분산함수가 연속인 회귀모형에서 얻어진 잔차제곱인 것처럼 수정한 후 이들을 이용하여 불연속 분산함수의 추정을 연구하였다. 본 연구에서는 불연속 로그분산함수의 점프크기추정량을 이용하여 로그잔차제곱을 수정하고 불연속 로그분산함수를 국소선형추정량을 이용하여 추정하고자 한다. 제안된 추정량의 우수성을 모의실험을 통하여 Chen 등 (2009)의 로그분산함수 추정량을 이용한 Huh (2014)의 불연속 로그분산함수 추정량과 비교하고 실제자료에 적용하고자 한다.

• Journal of the Korean Data and Information Science Society
• /
• 제25권1호
• /
• pp.87-95
• /
• 2014

분산함수가 불연속인 경우 Kang과 Huh (2006)는 잔차제곱을 이용한 Nadaraya-Watson 추정량으로 분산함수를 추정하였다. 음의 실수 값도 가질 수 있는 로그분산함수를 추정 대상으로 하여, 오차제곱의 분포를 ${\chi}^2$-분포로 가정하고 국소선형적합을 이용한 불연속 로그분산함수의 추정이 Huh(2013)에 의해 연구되었다. Chen 등 (2009)은 연속인 로그분산함수를 로그잔차제곱을 이용한 국소선형적합으로 추정하였다. 본 연구는 Chen 등의 추정법을 이용하여 불연속인 로그분산함수의 추정량을 제시하였다. 기존의 제안된 불연속인 로그분산함수의 추정량들과 제안된 추정량을 모의실험을 통하여 비교연구하고자 한다. 한편, 로그분산함수가 연속이지만 그 미분된 함수가 불연속일 경우, Huh (2013)의 방법과 제안된 방법으로 적합된 국소선형의 기울기를 이용하여 불연속인 미분된 로그 분산함수의 추정량을 제시하고자 한다. 이들 추정량의 비교 연구 또한 모의실험을 통하여 제시하고자 한다.

• Journal of the Korean Data and Information Science Society
• /
• 제23권3호
• /
• pp.579-585
• /
• 2012

Many different semi-supervised learning algorithms have been proposed for use wit unlabeled data. However, most of them focus on classification problems. In this paper we propose a semi-supervised regression algorithm called the semi-supervised local constant estimator (SSLCE), based on the local constant estimator (LCE), and reveal the asymptotic properties of SSLCE. We also show that the SSLCE has a faster convergence rate than that of the LCE when a well chosen weighting factor is employed. Our experiment with synthetic data shows that the SSLCE can improve performance with unlabeled data, and we recommend its use with the proper size of unlabeled data.

• Journal of the Korean Data and Information Science Society
• /
• 제27권1호
• /
• pp.111-120
• /
• 2016

대부분의 불연속 회귀함수의 커널추정량은 알고 있거나 추정된 불연속점을 기준으로 자료를 분리하여 각각을 독립적으로 회귀함수를 적합하고 있다. 회귀모형에서 분산함수가 불연속점을 가지고 있을 때에도 잔차제곱들을 이용하여 위와 같은 불연속 회귀함수의 커널추정법을 활용하고 있다. Kang 등 (2000)은 $M{\ddot{u}}ller$ (1992)의 불연속점과 점프크기 커널추정량을 이용하여 반응변수의 표본을 연속인 회귀함수로부터 표본인 것처럼 수정하여 불연속 회귀함수를 추정하였다. 본 연구에서는 불연속 분산함수를 추정하기 위하여 Kang 등 (2000)의 방법을 이용한다. Kang과 Huh (2006)의 분산함수의 불연속점과 점프크기 추정량으로 잔차제곱들을 수정하고, 수정된 잔차제곱들을 이용하여 불연속 분산함수 커널추정량을 제안할 것이다. 제안된 추정량의 적분제곱오차의 수렴속도를 보여주고 모의실험을 통하여 기존의 추정량과 제안된 추정량을 비교하고자 한다.

• Journal of the Korean Data and Information Science Society
• /
• 제27권4호
• /
• pp.993-1000
• /
• 2016

반응 값이 없는 자료를 지도학습 (supervised learning)에 사용하는 준지도 학습 (semi-supervised learning)은 분류에 더 많은 관심을 갖는다. 본 연구는 준지도학습을 회귀분석에 적용하는 준지도 회귀함수 추정법을 제안한다. 제안된 방법은 기존의 방법과 형태는 같지만 반응 값이 있는 자료와 없는 자료의 주변분포를 다르게 가정하고, 서로 다른 평활계수를 사용하는 등 좀 더 일반화된 형태를 가진다. 제안된 추정법의 점근분포를 계산하고 점근평균제곱오차를 최소화하는 최적의 평활계수가 가지는 조건을 찾는다. 설명변수의 주변분포에 대한 추정이 잘 이루이지고, 반응 값이 있는 자료와 없는 자료의 크기에 대한 조건을 적절하게 통제할 수 있고, 그리고 평활계수가 적절하게 선택될 수 있다면 라벨없는 자료가 회귀분석에서도 도움을 줄 수 있음을 보인다. 그리고 준지도 분류에서 사용하는 것처럼 반응 값이 없는 자료의 초기추정은 작은 값을 가지는 평활계수를 사용하여 과적합 (overfitting)되도록 하는 것이 좋음을 증명한다.