Back to search

National and Kapodistrian University of Athens

Classical and Bayesian Inference for Threshold Regression Models

Abstract

dc:description

Η παρούσα διπλωματική εργασία πραγματεύεται την Κλασσική και Μπεϋζιανή θεωρία για το Μοντέλο Παλινδρόμησης με μια ή δυο μεταβλητές τύπου κατωφλίου (threshold). Τα Threshold Μοντέλα Παλινδρόμησης χρησιμοποιούνται σε μια πληθώρα εφαρμογών, κυρίως στον κλάδο της Οικονομετρίας, και ανήκουν στην ευρύτερη οικογένεια μοντέλων παλινδρόμησης με δομικές αλλαγές που εισήγαγε ο Quandt (1960). Στη βιβλιογραφία το ενδιαφέρον εστιάζεται συνήθως στα "μη συνεχή" Threshold Μοντέλα Παλινδρόμησης, λόγω της μη κανονικής ασυμπτωτικής κατανομής των στατιστικών συναρτήσεων που εμπεριέχουν τις παραμέτρους. Εδώ θα ασχοληθούμε, μεταξύ άλλων, και με την περίπτωση αυτή τόσο σε θεωρητικό αλλά και σε πρακτικό επίπεδο. Στα Μοντέλα Παλινδρόμησης το ενδιαφέρον επικεντρώνεται στην εκτίμηση των παραμέτρων, καθώς και στην ασυμπτωτική κατανομή στατιστικών συναρτήσεων που τις εμπεριέχουν. Απώτερος σκοπός είναι η κατασκευή διαστημάτων εμπιστοσύνης και ο έλεγχος υποθέσεων σχετικά με τη στατιστική σημαντικότητα κάθε παραμέτρου. Από την πλευρά της Μπεϋζιανής θεωρίας, κυρίαρχο ρόλο παίζει ο ορισμός των εκ των προτέρων (prior) κατανομών, δεδομένης της δοθείσας πληροφορίας, με σκοπό την εύρεση των εκ των υστέρων (posterior) κατανομών. Η εύρεση των posterior κατανομών είναι ένα σύνθετο πρόβλημα καθώς αυξάνει το πλήθος των παραμέτρων του μοντέλου και απαιτεί τον υπολογισμό σύνθετων ολοκληρωμάτων ή τη χρήση αλγορίθμων προσομοίωσης όταν αυτό δεν είναι εφικτό. Τέτοιοι αλγόριθμοι είναι οι Markov Chain Monte Carlo (MCMC) αλγόριθμοι και μια ειδική περίπτωση αυτών, ο δειγματολήπτης Gibbs (Gibbs sampler). ΄Ολες αυτές οι μέθοδοι παρουσιάζονται αναλυτικά στην παρούσα διπλωματική εργασία και καλύπτουν ένα ευρύ φάσμα μοντέλων παλινδρόμησης. Παρ’ ότι η εκτίμηση ενός μοντέλου είναι ο βασικός στόχος ενός στατιστικού, αυτό που προηγείται είναι η εύρεση του κατάλληλου μοντέλου για ένα δοθέν δείγμα. Η σύγκριση μοντέλων είναι λοιπόν το πρώτο βήμα που πρέπει να ακολουθήσει κανείς προκειμένου η συμπερασματολογία να είναι ολοκληρωμένη και ακριβής. Πρόκειται ουσαστικά για έναν έλεγχο υποθέσεων ο οποίος υποδεικνύει τη σχέση που περιγράφει καλύτερα τη σύνδεση της εξαρτημένης μεταβλητής με τις επεξηγηματικές, δηλαδή το είδος του μοντέλου. Τέτοιοι έλεγχοι πραγματοποιούνται από την πλευρά της Κλασσικής θεωρίας με τη χρήση κατάλληλων στατιστικών συναρτήσεων, όπως είναι το LR στατιστικό μέτρο, και από την πλευρά της Μπεϋζιανής θεωρίας με τον υπολογισμό της εκ των υστέρων πιθανότητας για κάθε μοντέλο. ΄Εχοντας καταλήξει λοιπόν, με τον ένα ή τον άλλο τρόπο, στο πιο κατάλληλο μοντέλο, τότε συνεχίζει κανείς με την ανάλυση και τη συμπερασματολογία για τις παραμέτρους του.

Author and committee

dc:creator, dc:contributor.*
Authors dc:creator
  • Μπαλτούκα Μαρία
  • Baltouka Maria

Subjects

dc:subject × 2

Rights

Language dc:language
English

Identifiers

dc:identifier.*
Identifier
uoadl:2775098

Chain of custody

source
Harvested from
National and Kapodistrian University of Athens
Base URL
pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh
Last updated
2026-11-19
Source record
OAI-PMH GetRecord
citation

Μπαλτούκα Μαρία; Baltouka Maria. Classical and Bayesian Inference for Threshold Regression Models. 2018. https://pergamos.lib.uoa.gr/uoa/dl/object/2775098