Semi parametric Estimators for Quantile Model via LASSO and SCAD with Missing Data

Title (Arabic)

المقدرات شبه المعلمية للأنموذج التجزيئي باستعمال LASSO و SCAD مع البيانات المفقودة

Authors

Aws Adnan Al-Tai, Department of Statistics, College of Administration & Economics, University of Baghdad, Republic of Iraq
Qutaiba N. Nayef Al-Qazaz, Department of Statistics, College of Administration & Economics, University of Baghdad, Republic of Iraq

DOI

10.33095/jeas.v28i133.2351

Abstract

In this study, we made a comparison between LASSO & SCAD methods, which are two special methods for dealing with models in partial quantile regression. (Nadaraya & Watson Kernel) was used to estimate the non-parametric part ;in addition, the rule of thumb method was used to estimate the smoothing bandwidth (h). Penalty methods proved to be efficient in estimating the regression coefficients, but the SCAD method according to the mean squared error criterion (MSE) was the best after estimating the missing data using the mean imputation method

Abstract (Arabic)

في هذه الدراسة، قمنا بإجراء مقارنة بين طريقتين LASSO وSCAD، وهما طريقتان خاصتان للتعامل مع النماذج في الانحدار التجزيئي الجزئي. تم استخدام ( (Nadarya & Watson Kernelلتقدير الجزء اللامعلمي (non-parametric)، بالإضافة إلى ذلك، تم استخدام طريقة قاعدة الإبهام لتقدير المعلمة التمهيدية (h). أثبتت طرق الجزاء فعاليتها في تقدير معاملات الانحدار، لكن طريقة SCAD وفقًا لمعيار متوسط مربعات الخطأ (MSE)، كانت الأفضل بعد تقدير البيانات المفقودة باستخدام طريقة التعويض بالمتوسط (mean imputation)

Recommended Citation

Al-Tai, A. A., & Al-Qazaz, Q. N. (2022). Semi parametric Estimators for Quantile Model via LASSO and SCAD with Missing Data. Journal of Economics and Administrative Sciences, 28(133), 82-96. https://doi.org/10.33095/jeas.v28i133.2351

First Page

82

Last Page

96

Rights

http://creativecommons.org/licenses/by-nc-nd/4.0