Multivariate Reduced-Rank Regression: Theory, Methods and Applications - Couverture souple

Kun Chen, Chen; Gregory C. Reinsel, Reinsel; Raja P. Velu, Velu

 
9781071627921: Multivariate Reduced-Rank Regression: Theory, Methods and Applications

Synopsis

Ce livre fournit un compte de la régression multivariée de rang réduit, un outil d'analyse multivariée qui bénéficie d'un large éventail d'applications. En plus d'un examen historique du sujet, son lien avec d'autres méthodes statistiques largement utilisées, telles que l'analyse multivariée de variance (MANOVA), l'analyse discriminante, les composants principaux, l'analyse de corrélation canonique et les modèles d'erreurs dans les variables, est également discuté.

Cette nouvelle édition intègre la méthodologie Big Data et ses applications, ainsi que la régression de rang réduit de haute dimension, la régression généralisée de rang réduit avec des données complexes et des méthodes de régression clairsemées et de bas rang. Chaque chapitre contient des développements de résultats théoriques de base, ainsi que des détails sur les procédures informatiques, illustrés par des exemples numériques tirés de disciplines telles que la biochimie, la génétique, le marketing et la finance.

Ce livre est conçu pour les étudiants avancés, les praticiens et les chercheurs, qui peuvent traiter des données multivariées modérées et de haute dimension. Étant donné que la régression est l'une des méthodes statistiques les plus populaires, les outils d'analyse de régression multivariée décrits devraient fournir un moyen naturel d'examiner les grands ensembles de données (à la fois transversales et chronologiques). Ce livre peut être attribué à des cours de type séminaire suivis par des étudiants diplômés avancés en statistiques, apprentissage automatique, économétrie, affaires et ingénierie.


Les informations fournies dans la section « Synopsis » peuvent faire référence à une autre édition de ce titre.

Autres éditions populaires du même titre

9781071627914: Multivariate Reduced-Rank Regression: Theory, Methods and Applications

Edition présentée

ISBN 10 :  1071627910 ISBN 13 :  9781071627914
Editeur : Springer, 2022
Couverture souple