Original title:
Využití bootstrapu a křížové validace v odhadu predikční chyby regresních modelů
Translated title:
Utilizing Bootstrap and Cross-validation for prediction error estimation in regression models
Authors:
Lepša, Ondřej ; Bašta, Milan (advisor) ; Malá, Ivana (referee) Document type: Master’s theses
Year:
2014
Language:
cze Publisher:
Vysoká škola ekonomická v Praze Abstract:
[cze][eng] Nalezení modelu s dobrými předpovědními vlastnostmi je jeden z hlavních cílů regresní analýzy. I přesto se v běžné praxi k vyhodnocení predikčních schopností využívá kritérií, která se k tomuto účelu buď nehodí, nebo nejsou dostatečně spolehlivá. Alternativu představují relativně nové metody, které využívají opětovných simulací k odhadnutí vhodné ztrátové funkce -- predikční chyby. Do této kategorie patří křížová validace a bootstrap. Tato práce popisuje, jak lze s využitím těchto metod vybrat takový regresní model, který co nejlépe předpovídá hodnoty vysvětlované proměnné.Finding a well-predicting model is one of the main goals of regression analysis. However, to evaluate a model's prediction abilities, it is a normal practice to use criteria which either do not serve this purpose, or criteria of insufficient reliability. As an alternative, there are relatively new methods which use repeated simulations for estimating an appropriate loss function -- prediction error. Cross-validation and bootstrap belong to this category. This thesis describes how to utilize these methods in order to select a regression model that best predicts new values of the response variable.
Keywords:
Bootstrap; Cross-validation; model selection; multiple regression; R; bootstrap; křížová validace; R; vícenásobná regrese; výběr modelu
Institution: University of Economics, Prague
(web)
Document availability information: Available in the digital repository of the University of Economics, Prague. Original record: http://www.vse.cz/vskp/eid/44253