机读格式显示(MARC)

• 000 01730nam0 2200289 450

• 001 0000659240

• 005 20190311152800.0

• 010 __ |a 978-7-5141-9238-4 |d CNY48.00

• 099 __ |a CAL 012018106258

• 100 __ |a 20180906d2018 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a k a 000yy

• 106 __ |a r

• 200 1_ |a 基于大规模数据的分位数回归模型及应用 |A ji yu da gui mo shu ju de fen wei shu hui gui mo xing ji ying yong |f 蔡超著

• 210 __ |a 北京 |c 经济科学出版社 |d 2018

• 215 __ |a 182页 |d 23cm

• 300 __ |a 国家自然科学基金项目“基于高维非线性广义分位数回归的系统性金融风险计量”（编号：71671056） 山东省社会科学规划项目“大规模数据的惩罚分数回归方法研究”（编号：18TDJJ01） 山东工商学院博士启动基金项目“流数据分位回归模型及应用研究”（编号：BS201815）

• 314 __ |a 蔡超(1983-)，山东沾化人，管理学博士，现为山东工商学院讲师。在Statistical Papers，Communications in Statistics-simulation and Computation，以及《中国管理科学》《数理统计与管理》《统计与信息论坛》《江西财经大学学报》等刊物发表论文20余篇。

• 320 __ |a 有书目 (第169-181页)

• 330 __ |a 本书内容简介：在统计方法中，分位数回归常用来反映解释变量对响应变量整个条件分布的异质影响，是探索客观规律的重要手段与方法之一。常用的统计软件都可进行分位数回归，但受到计算内存和运行时间的限制，以大样本与高维为典型特征的大规模数据分位数回归往往难以奏效。因此，本书将经典的分位数回归模型从中小规模数据扩展到大规模数据，研究大规模数据分位数回归方法，解决其建模过程中的技术难题，对于推广应用、揭示经济和社会的复杂模式等，具有重要的理论意义和实践价值。

• 606 0_ |a 自回归模型 |A zi hui gui mo xing

• 690 __ |a O212.1 |v 5

• 701 _0 |a 蔡超, |A cai chao |f 1983- |4 著

• 801 _0 |a CN |b NEU |c 20180906

• 905 __ |a SCNU |f O212.1/4447

• 920 __ |a 242430 |z 1