1653:
1036:
1648:{\displaystyle {\begin{aligned}\operatorname {\hat {E}} (Y\mid X=x)&=\int y{\frac {{\hat {f}}(x,y)}{{\hat {f}}(x)}}\,dy,\\&=\int y{\frac {\sum _{i=1}^{n}K_{h}(x-x_{i})K_{h}(y-y_{i})}{\sum _{j=1}^{n}K_{h}(x-x_{j})}}\,dy,\\&={\frac {\sum _{i=1}^{n}K_{h}(x-x_{i})\int y\,K_{h}(y-y_{i})\,dy}{\sum _{j=1}^{n}K_{h}(x-x_{j})}},\\&={\frac {\sum _{i=1}^{n}K_{h}(x-x_{i})y_{i}}{\sum _{j=1}^{n}K_{h}(x-x_{j})}},\end{aligned}}}
2121:
1830:
404:
736:
2128:
This example is based upon
Canadian cross-section wage data consisting of a random sample taken from the 1971 Canadian Census Public Use Tapes for male individuals having common education (grade 13). There are 205 observations in total.
917:
1025:
1041:
2037:
477:
589:
2111:
167:
2746:
2348:: "Coming up with almost exactly the same computer algorithm, fuzzy systems and kernel density-based regressions appear to have been developed completely independently of one another."
1669:
237:
609:
526:
2375:: A free MATLAB toolbox with implementation of kernel regression, kernel density estimation, kernel estimation of hazard function and many others is available on
1853:
777:
497:
225:
190:
111:
91:
2799:
2148:
function to deliver optimal smoothing and to create the figure given above. These commands can be entered at the command prompt via cut and paste.
923:
2132:
The figure to the right shows the estimated regression function using a second order
Gaussian kernel along with asymptotic variability bounds.
1866:
2387:
412:
2376:
2712:
2691:
2660:
2619:
531:
2426:
17:
2045:
119:
2831:
2777:
2756:
2735:
2594:
2559:
2534:
1825:{\displaystyle {\widehat {m}}_{PC}(x)=h^{-1}\sum _{i=2}^{n}(x_{i}-x_{i-1})K\left({\frac {x-x_{i}}{h}}\right)y_{i}}
399:{\displaystyle {\widehat {m}}_{h}(x)={\frac {\sum _{i=1}^{n}K_{h}(x-x_{i})y_{i}}{\sum _{i=1}^{n}K_{h}(x-x_{i})}}}
2748:
An
Introduction to the Advanced Theory and Practice of Nonparametric Econometrics: A Replicable Approach Using R
2382:
2363:
762:
2408:
731:{\displaystyle \operatorname {E} (Y\mid X=x)=\int yf(y\mid x)\,dy=\int y{\frac {f(x,y)}{f(x)}}\,dy}
66:
600:
70:
43:
2141:
502:
2522:
2650:
2585:
2569:
912:{\displaystyle {\hat {f}}(x,y)={\frac {1}{n}}\sum _{i=1}^{n}K_{h}(x-x_{i})K_{h}(y-y_{i}),}
8:
228:
2634:
200:
2503:
2393:
1838:
482:
210:
175:
96:
76:
2550:
Gasser, Theo; MĂźller, Hans-Georg (1979). "Kernel estimation of regression functions".
2773:
2752:
2731:
2724:
2708:
2687:
2656:
2615:
2590:
2555:
2530:
2586:
The Lady
Tasting Tea: How Statistics Revolutionized Science in the Twentieth Century
2430:
2344:, the algorithms used in kernel regression were independently developed and used in
50:. The objective is to find a non-linear relation between a pair of random variables
2476:
2447:
2367:
2803:
2767:
2702:
2681:
2565:
2442:
204:
47:
2815:
2809:
2398:
2341:
39:
2825:
21:
2552:
Smoothing techniques for curve estimation (Proc. Workshop, Heidelberg, 1979)
2402:
2345:
2554:. Lecture Notes in Math. Vol. 757. Springer, Berlin. pp. 23â68.
1020:{\displaystyle {\hat {f}}(x)={\frac {1}{n}}\sum _{i=1}^{n}K_{h}(x-x_{i}),}
2397:
sub-package (includes other kernel density related classes), the package
2507:
2357:
31:
2032:{\displaystyle {\widehat {m}}_{GM}(x)=h^{-1}\sum _{i=1}^{n}\lefty_{i}}
2480:
2612:
Kernel
Smoothing in MATLAB: Theory and Practice of Kernel Smoothing
472:{\displaystyle K_{h}(t)={\frac {1}{h}}K\left({\frac {t}{h}}\right)}
2120:
2372:
2793:
2638:: Nonparametric kernel smoothing methods for mixed data types
2422:
231:
as a weighting function. The
NadarayaâWatson estimator is:
2529:. New York: Cambridge University Press. pp. 212â247.
2523:"The NadarayaâWatson kernel regression function estimator"
2405:(inefficient memory-wise, useful only for small datasets)
2680:
Henderson, Daniel J.; Parmeter, Christopher F. (2015).
2048:
1869:
1841:
1672:
1039:
926:
780:
612:
584:{\displaystyle \int _{-\infty }^{\infty }uK(u)\,du=0}
534:
505:
485:
415:
240:
213:
178:
122:
99:
79:
2816:
Kernel regression with automatic bandwidth selection
2609:
2494:
Watson, G. S. (1964). "Smooth regression analysis".
2467:
Nadaraya, E. A. (1964). "On
Estimating Regression".
195:
2496:
SankhyÄ: The Indian
Journal of Statistics, Series A
2723:
2105:
2031:
1847:
1824:
1661:
1647:
1019:
911:
730:
583:
520:
491:
471:
398:
219:
184:
161:
105:
85:
2679:
2106:{\displaystyle s_{i}={\frac {x_{i-1}+x_{i}}{2}}.}
1858:
2823:
162:{\displaystyle \operatorname {E} (Y\mid X)=m(X)}
2800:Tutorial of Kernel regression using spreadsheet
2704:Nonparametric Econometrics: Theory and Practice
2610:HorovĂĄ, I.; KolĂĄÄek, J.; Zelinka, J. (2012).
2351:
2549:
2648:
1855:is the bandwidth (or smoothing parameter).
2721:
2614:. Singapore: World Scientific Publishing.
2469:Theory of Probability and Its Applications
2810:An online kernel regression demonstration
2652:Nonparametric Statistical Methods Using R
2007:
1436:
1403:
1321:
1149:
721:
667:
568:
2765:
2700:
2603:
2582:
2466:
2119:
1658:which is the NadarayaâWatson estimator.
2649:Kloke, John; McKean, Joseph W. (2014).
2520:
227:as a locally weighted average, using a
2824:
2744:
2493:
2419:package can perform kernel regression.
2379:(this toolbox is a part of the book ).
2135:
207:, both in 1964, proposed to estimate
741:we estimate the joint distributions
2701:Li, Qi; Racine, Jeffrey S. (2007).
18:Kernel principal component analysis
13:
2683:Applied Nonparametric Econometrics
2673:
2391:class for mixed data types in the
1047:
613:
548:
543:
123:
14:
2843:
2787:
2589:. W.H. Freeman. pp. 290â91.
196:NadarayaâWatson kernel regression
2794:Scale-adaptive kernel regression
599:Starting with the definition of
528:is of order at least 1, that is
2769:Smoothing Methods in Statistics
2527:Topics in Advanced Econometrics
1662:PriestleyâChao kernel estimator
2751:. Cambridge University Press.
2730:. Cambridge University Press.
2707:. Princeton University Press.
2686:. Cambridge University Press.
2655:. CRC Press. pp. 98â106.
2642:
2628:
2576:
2543:
2514:
2487:
2460:
2140:The following commands of the
2124:Estimated regression function.
1898:
1892:
1859:GasserâMĂźller kernel estimator
1773:
1741:
1701:
1695:
1632:
1613:
1567:
1548:
1495:
1476:
1433:
1414:
1394:
1375:
1315:
1296:
1260:
1241:
1228:
1209:
1143:
1137:
1131:
1120:
1108:
1102:
1077:
1059:
1050:
1011:
992:
945:
939:
933:
903:
884:
871:
852:
805:
793:
787:
715:
709:
701:
689:
664:
652:
637:
619:
565:
559:
515:
509:
432:
426:
390:
371:
325:
306:
266:
260:
156:
150:
141:
129:
1:
2766:Simonoff, Jeffrey S. (1996).
2722:Pagan, A.; Ullah, A. (1999).
2453:
594:
479:is a kernel with a bandwidth
2360:mathematical program package
7:
2812:Requires .NET 3.0 or later.
2745:Racine, Jeffrey S. (2019).
2521:Bierens, Herman J. (1994).
2436:
10:
2848:
2726:Nonparametric Econometrics
2352:Statistical implementation
2335:
2115:
42:technique to estimate the
15:
2394:statsmodels.nonparametric
763:kernel density estimation
521:{\displaystyle K(\cdot )}
2832:Nonparametric regression
2177:# non parametric library
2150:
192:is an unknown function.
67:nonparametric regression
16:Not to be confused with
2796:(with Matlab software).
601:conditional expectation
93:relative to a variable
71:conditional expectation
44:conditional expectation
27:Technique in statistics
22:Kernel ridge regression
2246:"asymptotic"
2142:R programming language
2125:
2107:
2033:
1937:
1849:
1826:
1740:
1649:
1602:
1537:
1465:
1364:
1285:
1198:
1021:
981:
913:
841:
732:
585:
522:
493:
473:
400:
360:
295:
221:
186:
163:
107:
87:
2583:Salsburg, D. (2002).
2123:
2108:
2034:
1917:
1850:
1827:
1720:
1650:
1582:
1517:
1445:
1344:
1265:
1178:
1022:
961:
914:
821:
733:
586:
523:
494:
474:
401:
340:
275:
222:
187:
164:
108:
88:
2046:
1867:
1839:
1670:
1037:
924:
778:
610:
532:
503:
483:
413:
238:
211:
176:
120:
97:
77:
2401:as an extension of
1977:
552:
2368:KernelEstimator.jl
2240:plot.errors.method
2136:Script for example
2126:
2103:
2029:
1943:
1845:
1822:
1645:
1643:
1017:
909:
728:
581:
535:
518:
489:
469:
396:
217:
182:
159:
103:
83:
2714:978-0-691-12161-1
2693:978-1-107-01025-3
2662:978-1-4398-7343-4
2621:978-981-4405-48-5
2399:kernel_regression
2252:plot.errors.style
2098:
2001:
1880:
1848:{\displaystyle h}
1806:
1683:
1636:
1499:
1319:
1147:
1134:
1105:
1053:
959:
936:
819:
790:
719:
492:{\displaystyle h}
463:
446:
394:
251:
220:{\displaystyle m}
185:{\displaystyle m}
106:{\displaystyle X}
86:{\displaystyle Y}
36:kernel regression
2839:
2783:
2762:
2741:
2729:
2718:
2697:
2667:
2666:
2646:
2640:
2632:
2626:
2625:
2607:
2601:
2600:
2580:
2574:
2573:
2547:
2541:
2540:
2518:
2512:
2511:
2491:
2485:
2484:
2464:
2448:Local regression
2414:
2396:
2390:
2331:
2328:
2325:
2322:
2319:
2316:
2313:
2310:
2307:
2304:
2301:
2298:
2295:
2292:
2289:
2286:
2283:
2280:
2277:
2274:
2271:
2268:
2265:
2262:
2259:
2258:"band"
2256:
2253:
2250:
2247:
2244:
2241:
2238:
2235:
2232:
2229:
2226:
2223:
2220:
2217:
2214:
2211:
2208:
2205:
2202:
2199:
2196:
2193:
2190:
2187:
2184:
2181:
2178:
2175:
2172:
2169:
2166:
2163:
2160:
2157:
2154:
2153:install.packages
2147:
2112:
2110:
2109:
2104:
2099:
2094:
2093:
2092:
2080:
2079:
2063:
2058:
2057:
2038:
2036:
2035:
2030:
2028:
2027:
2018:
2014:
2006:
2002:
1997:
1986:
1976:
1975:
1974:
1964:
1963:
1962:
1936:
1931:
1916:
1915:
1891:
1890:
1882:
1881:
1873:
1854:
1852:
1851:
1846:
1831:
1829:
1828:
1823:
1821:
1820:
1811:
1807:
1802:
1801:
1800:
1784:
1772:
1771:
1753:
1752:
1739:
1734:
1719:
1718:
1694:
1693:
1685:
1684:
1676:
1654:
1652:
1651:
1646:
1644:
1637:
1635:
1631:
1630:
1612:
1611:
1601:
1596:
1580:
1579:
1578:
1566:
1565:
1547:
1546:
1536:
1531:
1515:
1507:
1500:
1498:
1494:
1493:
1475:
1474:
1464:
1459:
1443:
1432:
1431:
1413:
1412:
1393:
1392:
1374:
1373:
1363:
1358:
1342:
1334:
1320:
1318:
1314:
1313:
1295:
1294:
1284:
1279:
1263:
1259:
1258:
1240:
1239:
1227:
1226:
1208:
1207:
1197:
1192:
1176:
1162:
1148:
1146:
1136:
1135:
1127:
1123:
1107:
1106:
1098:
1094:
1055:
1054:
1046:
1026:
1024:
1023:
1018:
1010:
1009:
991:
990:
980:
975:
960:
952:
938:
937:
929:
918:
916:
915:
910:
902:
901:
883:
882:
870:
869:
851:
850:
840:
835:
820:
812:
792:
791:
783:
737:
735:
734:
729:
720:
718:
704:
684:
590:
588:
587:
582:
551:
546:
527:
525:
524:
519:
498:
496:
495:
490:
478:
476:
475:
470:
468:
464:
456:
447:
439:
425:
424:
405:
403:
402:
397:
395:
393:
389:
388:
370:
369:
359:
354:
338:
337:
336:
324:
323:
305:
304:
294:
289:
273:
259:
258:
253:
252:
244:
226:
224:
223:
218:
191:
189:
188:
183:
168:
166:
165:
160:
113:may be written:
112:
110:
109:
104:
92:
90:
89:
84:
2847:
2846:
2842:
2841:
2840:
2838:
2837:
2836:
2822:
2821:
2804:Microsoft Excel
2790:
2780:
2759:
2738:
2715:
2694:
2676:
2674:Further reading
2671:
2670:
2663:
2647:
2643:
2633:
2629:
2622:
2608:
2604:
2597:
2581:
2577:
2562:
2548:
2544:
2537:
2519:
2515:
2492:
2488:
2481:10.1137/1109020
2465:
2461:
2456:
2443:Kernel smoother
2439:
2412:
2411:: the function
2392:
2386:
2354:
2338:
2333:
2332:
2329:
2326:
2323:
2320:
2317:
2314:
2311:
2308:
2305:
2302:
2299:
2296:
2293:
2290:
2287:
2284:
2281:
2278:
2275:
2272:
2269:
2266:
2263:
2260:
2257:
2254:
2251:
2248:
2245:
2242:
2239:
2236:
2233:
2230:
2227:
2224:
2221:
2218:
2215:
2212:
2209:
2206:
2203:
2200:
2197:
2194:
2191:
2188:
2185:
2182:
2179:
2176:
2173:
2170:
2167:
2164:
2161:
2158:
2155:
2152:
2145:
2138:
2118:
2088:
2084:
2069:
2065:
2064:
2062:
2053:
2049:
2047:
2044:
2043:
2023:
2019:
1987:
1985:
1981:
1970:
1966:
1965:
1952:
1948:
1947:
1942:
1938:
1932:
1921:
1908:
1904:
1883:
1872:
1871:
1870:
1868:
1865:
1864:
1861:
1840:
1837:
1836:
1816:
1812:
1796:
1792:
1785:
1783:
1779:
1761:
1757:
1748:
1744:
1735:
1724:
1711:
1707:
1686:
1675:
1674:
1673:
1671:
1668:
1667:
1664:
1642:
1641:
1626:
1622:
1607:
1603:
1597:
1586:
1581:
1574:
1570:
1561:
1557:
1542:
1538:
1532:
1521:
1516:
1514:
1505:
1504:
1489:
1485:
1470:
1466:
1460:
1449:
1444:
1427:
1423:
1408:
1404:
1388:
1384:
1369:
1365:
1359:
1348:
1343:
1341:
1332:
1331:
1309:
1305:
1290:
1286:
1280:
1269:
1264:
1254:
1250:
1235:
1231:
1222:
1218:
1203:
1199:
1193:
1182:
1177:
1175:
1160:
1159:
1126:
1125:
1124:
1097:
1096:
1095:
1093:
1080:
1045:
1044:
1040:
1038:
1035:
1034:
1005:
1001:
986:
982:
976:
965:
951:
928:
927:
925:
922:
921:
897:
893:
878:
874:
865:
861:
846:
842:
836:
825:
811:
782:
781:
779:
776:
775:
705:
685:
683:
611:
608:
607:
597:
547:
539:
533:
530:
529:
504:
501:
500:
484:
481:
480:
455:
451:
438:
420:
416:
414:
411:
410:
384:
380:
365:
361:
355:
344:
339:
332:
328:
319:
315:
300:
296:
290:
279:
274:
272:
254:
243:
242:
241:
239:
236:
235:
212:
209:
208:
198:
177:
174:
173:
121:
118:
117:
98:
95:
94:
78:
75:
74:
48:random variable
28:
25:
12:
11:
5:
2845:
2835:
2834:
2820:
2819:
2813:
2807:
2797:
2789:
2788:External links
2786:
2785:
2784:
2778:
2763:
2757:
2742:
2736:
2719:
2713:
2698:
2692:
2675:
2672:
2669:
2668:
2661:
2641:
2627:
2620:
2602:
2595:
2575:
2560:
2542:
2535:
2513:
2502:(4): 359â372.
2486:
2458:
2457:
2455:
2452:
2451:
2450:
2445:
2438:
2435:
2434:
2433:
2420:
2406:
2380:
2370:
2361:
2353:
2350:
2342:David Salsburg
2337:
2334:
2159:"np"
2151:
2137:
2134:
2117:
2114:
2102:
2097:
2091:
2087:
2083:
2078:
2075:
2072:
2068:
2061:
2056:
2052:
2040:
2039:
2026:
2022:
2017:
2013:
2010:
2005:
2000:
1996:
1993:
1990:
1984:
1980:
1973:
1969:
1961:
1958:
1955:
1951:
1946:
1941:
1935:
1930:
1927:
1924:
1920:
1914:
1911:
1907:
1903:
1900:
1897:
1894:
1889:
1886:
1879:
1876:
1860:
1857:
1844:
1833:
1832:
1819:
1815:
1810:
1805:
1799:
1795:
1791:
1788:
1782:
1778:
1775:
1770:
1767:
1764:
1760:
1756:
1751:
1747:
1743:
1738:
1733:
1730:
1727:
1723:
1717:
1714:
1710:
1706:
1703:
1700:
1697:
1692:
1689:
1682:
1679:
1663:
1660:
1656:
1655:
1640:
1634:
1629:
1625:
1621:
1618:
1615:
1610:
1606:
1600:
1595:
1592:
1589:
1585:
1577:
1573:
1569:
1564:
1560:
1556:
1553:
1550:
1545:
1541:
1535:
1530:
1527:
1524:
1520:
1513:
1510:
1508:
1506:
1503:
1497:
1492:
1488:
1484:
1481:
1478:
1473:
1469:
1463:
1458:
1455:
1452:
1448:
1442:
1439:
1435:
1430:
1426:
1422:
1419:
1416:
1411:
1407:
1402:
1399:
1396:
1391:
1387:
1383:
1380:
1377:
1372:
1368:
1362:
1357:
1354:
1351:
1347:
1340:
1337:
1335:
1333:
1330:
1327:
1324:
1317:
1312:
1308:
1304:
1301:
1298:
1293:
1289:
1283:
1278:
1275:
1272:
1268:
1262:
1257:
1253:
1249:
1246:
1243:
1238:
1234:
1230:
1225:
1221:
1217:
1214:
1211:
1206:
1202:
1196:
1191:
1188:
1185:
1181:
1174:
1171:
1168:
1165:
1163:
1161:
1158:
1155:
1152:
1145:
1142:
1139:
1133:
1130:
1122:
1119:
1116:
1113:
1110:
1104:
1101:
1092:
1089:
1086:
1083:
1081:
1079:
1076:
1073:
1070:
1067:
1064:
1061:
1058:
1052:
1049:
1043:
1042:
1028:
1027:
1016:
1013:
1008:
1004:
1000:
997:
994:
989:
985:
979:
974:
971:
968:
964:
958:
955:
950:
947:
944:
941:
935:
932:
919:
908:
905:
900:
896:
892:
889:
886:
881:
877:
873:
868:
864:
860:
857:
854:
849:
845:
839:
834:
831:
828:
824:
818:
815:
810:
807:
804:
801:
798:
795:
789:
786:
765:with a kernel
739:
738:
727:
724:
717:
714:
711:
708:
703:
700:
697:
694:
691:
688:
682:
679:
676:
673:
670:
666:
663:
660:
657:
654:
651:
648:
645:
642:
639:
636:
633:
630:
627:
624:
621:
618:
615:
596:
593:
580:
577:
574:
571:
567:
564:
561:
558:
555:
550:
545:
542:
538:
517:
514:
511:
508:
488:
467:
462:
459:
454:
450:
445:
442:
437:
434:
431:
428:
423:
419:
407:
406:
392:
387:
383:
379:
376:
373:
368:
364:
358:
353:
350:
347:
343:
335:
331:
327:
322:
318:
314:
311:
308:
303:
299:
293:
288:
285:
282:
278:
271:
268:
265:
262:
257:
250:
247:
216:
197:
194:
181:
170:
169:
158:
155:
152:
149:
146:
143:
140:
137:
134:
131:
128:
125:
102:
82:
73:of a variable
40:non-parametric
26:
9:
6:
4:
3:
2:
2844:
2833:
2830:
2829:
2827:
2818:(with Python)
2817:
2814:
2811:
2808:
2805:
2801:
2798:
2795:
2792:
2791:
2781:
2779:0-387-94716-7
2775:
2771:
2770:
2764:
2760:
2758:9781108483407
2754:
2750:
2749:
2743:
2739:
2737:0-521-35564-8
2733:
2728:
2727:
2720:
2716:
2710:
2706:
2705:
2699:
2695:
2689:
2685:
2684:
2678:
2677:
2664:
2658:
2654:
2653:
2645:
2639:
2637:
2631:
2623:
2617:
2613:
2606:
2598:
2596:0-8050-7134-2
2592:
2588:
2587:
2579:
2571:
2567:
2563:
2561:3-540-09706-6
2557:
2553:
2546:
2538:
2536:0-521-41900-X
2532:
2528:
2524:
2517:
2509:
2505:
2501:
2497:
2490:
2482:
2478:
2474:
2470:
2463:
2459:
2449:
2446:
2444:
2441:
2440:
2432:
2428:
2424:
2421:
2418:
2410:
2407:
2404:
2400:
2395:
2389:
2384:
2381:
2378:
2374:
2371:
2369:
2365:
2362:
2359:
2356:
2355:
2349:
2347:
2346:fuzzy systems
2343:
2340:According to
2149:
2143:
2133:
2130:
2122:
2113:
2100:
2095:
2089:
2085:
2081:
2076:
2073:
2070:
2066:
2059:
2054:
2050:
2024:
2020:
2015:
2011:
2008:
2003:
1998:
1994:
1991:
1988:
1982:
1978:
1971:
1967:
1959:
1956:
1953:
1949:
1944:
1939:
1933:
1928:
1925:
1922:
1918:
1912:
1909:
1905:
1901:
1895:
1887:
1884:
1877:
1874:
1863:
1862:
1856:
1842:
1817:
1813:
1808:
1803:
1797:
1793:
1789:
1786:
1780:
1776:
1768:
1765:
1762:
1758:
1754:
1749:
1745:
1736:
1731:
1728:
1725:
1721:
1715:
1712:
1708:
1704:
1698:
1690:
1687:
1680:
1677:
1666:
1665:
1659:
1638:
1627:
1623:
1619:
1616:
1608:
1604:
1598:
1593:
1590:
1587:
1583:
1575:
1571:
1562:
1558:
1554:
1551:
1543:
1539:
1533:
1528:
1525:
1522:
1518:
1511:
1509:
1501:
1490:
1486:
1482:
1479:
1471:
1467:
1461:
1456:
1453:
1450:
1446:
1440:
1437:
1428:
1424:
1420:
1417:
1409:
1405:
1400:
1397:
1389:
1385:
1381:
1378:
1370:
1366:
1360:
1355:
1352:
1349:
1345:
1338:
1336:
1328:
1325:
1322:
1310:
1306:
1302:
1299:
1291:
1287:
1281:
1276:
1273:
1270:
1266:
1255:
1251:
1247:
1244:
1236:
1232:
1223:
1219:
1215:
1212:
1204:
1200:
1194:
1189:
1186:
1183:
1179:
1172:
1169:
1166:
1164:
1156:
1153:
1150:
1140:
1128:
1117:
1114:
1111:
1099:
1090:
1087:
1084:
1082:
1074:
1071:
1068:
1065:
1062:
1056:
1033:
1032:
1031:
1014:
1006:
1002:
998:
995:
987:
983:
977:
972:
969:
966:
962:
956:
953:
948:
942:
930:
920:
906:
898:
894:
890:
887:
879:
875:
866:
862:
858:
855:
847:
843:
837:
832:
829:
826:
822:
816:
813:
808:
802:
799:
796:
784:
774:
773:
772:
770:
769:
764:
760:
756:
752:
748:
744:
725:
722:
712:
706:
698:
695:
692:
686:
680:
677:
674:
671:
668:
661:
658:
655:
649:
646:
643:
640:
634:
631:
628:
625:
622:
616:
606:
605:
604:
602:
592:
578:
575:
572:
569:
562:
556:
553:
540:
536:
512:
506:
486:
465:
460:
457:
452:
448:
443:
440:
435:
429:
421:
417:
385:
381:
377:
374:
366:
362:
356:
351:
348:
345:
341:
333:
329:
320:
316:
312:
309:
301:
297:
291:
286:
283:
280:
276:
269:
263:
255:
248:
245:
234:
233:
232:
230:
214:
206:
202:
193:
179:
153:
147:
144:
138:
135:
132:
126:
116:
115:
114:
100:
80:
72:
68:
63:
61:
60:
55:
54:
49:
45:
41:
37:
33:
23:
19:
2772:. Springer.
2768:
2747:
2725:
2703:
2682:
2651:
2644:
2635:
2630:
2611:
2605:
2584:
2578:
2551:
2545:
2526:
2516:
2499:
2495:
2489:
2475:(1): 141â2.
2472:
2468:
2462:
2416:
2403:scikit-learn
2339:
2139:
2131:
2127:
2041:
1834:
1657:
1029:
767:
766:
758:
754:
750:
746:
742:
740:
598:
408:
199:
171:
64:
58:
57:
52:
51:
35:
29:
2377:these pages
2454:References
2358:GNU Octave
595:Derivation
499:such that
32:statistics
2427:npregress
2388:KernelReg
2074:−
1992:−
1957:−
1945:∫
1919:∑
1910:−
1878:^
1790:−
1766:−
1755:−
1722:∑
1713:−
1681:^
1620:−
1584:∑
1555:−
1519:∑
1483:−
1447:∑
1421:−
1398:∫
1382:−
1346:∑
1303:−
1267:∑
1248:−
1216:−
1180:∑
1170:∫
1132:^
1103:^
1088:∫
1066:∣
1057:
1051:^
999:−
963:∑
934:^
891:−
859:−
823:∑
788:^
678:∫
659:∣
644:∫
626:∣
617:
549:∞
544:∞
541:−
537:∫
513:⋅
378:−
342:∑
313:−
277:∑
249:^
136:∣
127:
2826:Category
2508:25049340
2437:See also
2431:kernreg2
2144:use the
1030:We get:
761:) using
201:Nadaraya
2570:0564251
2415:of the
2336:Related
2300:logwage
2216:logwage
2165:library
2146:npreg()
2116:Example
65:In any
2802:(with
2776:
2755:
2734:
2711:
2690:
2659:
2618:
2593:
2568:
2558:
2533:
2506:
2385:: the
2383:Python
2373:MATLAB
2321:detach
2288:points
2192:attach
2042:where
1835:where
753:) and
409:where
229:kernel
205:Watson
172:where
69:, the
2504:JSTOR
2423:Stata
2413:npreg
2364:Julia
2327:cps71
2210:npreg
2207:<-
2198:cps71
2186:cps71
46:of a
38:is a
2774:ISBN
2753:ISBN
2732:ISBN
2709:ISBN
2688:ISBN
2657:ISBN
2616:ISBN
2591:ISBN
2556:ISBN
2531:ISBN
2282:15.2
2264:ylim
2228:plot
2180:data
203:and
56:and
2477:doi
2306:cex
2294:age
2222:age
30:In
20:or
2828::
2806:).
2636:np
2566:MR
2564:.
2525:.
2500:26
2498:.
2471:.
2429:,
2425::
2417:np
2366::
2315:25
2285:))
2276:11
2171:np
771::
603:,
591:.
62:.
34:,
2782:.
2761:.
2740:.
2717:.
2696:.
2665:.
2624:.
2599:.
2572:.
2539:.
2510:.
2483:.
2479::
2473:9
2409:R
2330:)
2324:(
2318:)
2312:.
2309:=
2303:,
2297:,
2291:(
2279:,
2273:(
2270:c
2267:=
2261:,
2255:=
2249:,
2243:=
2237:,
2234:m
2231:(
2225:)
2219:~
2213:(
2204:m
2201:)
2195:(
2189:)
2183:(
2174:)
2168:(
2162:)
2156:(
2101:.
2096:2
2090:i
2086:x
2082:+
2077:1
2071:i
2067:x
2060:=
2055:i
2051:s
2025:i
2021:y
2016:]
2012:u
2009:d
2004:)
1999:h
1995:u
1989:x
1983:(
1979:K
1972:i
1968:s
1960:1
1954:i
1950:s
1940:[
1934:n
1929:1
1926:=
1923:i
1913:1
1906:h
1902:=
1899:)
1896:x
1893:(
1888:M
1885:G
1875:m
1843:h
1818:i
1814:y
1809:)
1804:h
1798:i
1794:x
1787:x
1781:(
1777:K
1774:)
1769:1
1763:i
1759:x
1750:i
1746:x
1742:(
1737:n
1732:2
1729:=
1726:i
1716:1
1709:h
1705:=
1702:)
1699:x
1696:(
1691:C
1688:P
1678:m
1639:,
1633:)
1628:j
1624:x
1617:x
1614:(
1609:h
1605:K
1599:n
1594:1
1591:=
1588:j
1576:i
1572:y
1568:)
1563:i
1559:x
1552:x
1549:(
1544:h
1540:K
1534:n
1529:1
1526:=
1523:i
1512:=
1502:,
1496:)
1491:j
1487:x
1480:x
1477:(
1472:h
1468:K
1462:n
1457:1
1454:=
1451:j
1441:y
1438:d
1434:)
1429:i
1425:y
1418:y
1415:(
1410:h
1406:K
1401:y
1395:)
1390:i
1386:x
1379:x
1376:(
1371:h
1367:K
1361:n
1356:1
1353:=
1350:i
1339:=
1329:,
1326:y
1323:d
1316:)
1311:j
1307:x
1300:x
1297:(
1292:h
1288:K
1282:n
1277:1
1274:=
1271:j
1261:)
1256:i
1252:y
1245:y
1242:(
1237:h
1233:K
1229:)
1224:i
1220:x
1213:x
1210:(
1205:h
1201:K
1195:n
1190:1
1187:=
1184:i
1173:y
1167:=
1157:,
1154:y
1151:d
1144:)
1141:x
1138:(
1129:f
1121:)
1118:y
1115:,
1112:x
1109:(
1100:f
1091:y
1085:=
1078:)
1075:x
1072:=
1069:X
1063:Y
1060:(
1048:E
1015:,
1012:)
1007:i
1003:x
996:x
993:(
988:h
984:K
978:n
973:1
970:=
967:i
957:n
954:1
949:=
946:)
943:x
940:(
931:f
907:,
904:)
899:i
895:y
888:y
885:(
880:h
876:K
872:)
867:i
863:x
856:x
853:(
848:h
844:K
838:n
833:1
830:=
827:i
817:n
814:1
809:=
806:)
803:y
800:,
797:x
794:(
785:f
768:K
759:x
757:(
755:f
751:y
749:,
747:x
745:(
743:f
726:y
723:d
716:)
713:x
710:(
707:f
702:)
699:y
696:,
693:x
690:(
687:f
681:y
675:=
672:y
669:d
665:)
662:x
656:y
653:(
650:f
647:y
641:=
638:)
635:x
632:=
629:X
623:Y
620:(
614:E
579:0
576:=
573:u
570:d
566:)
563:u
560:(
557:K
554:u
516:)
510:(
507:K
487:h
466:)
461:h
458:t
453:(
449:K
444:h
441:1
436:=
433:)
430:t
427:(
422:h
418:K
391:)
386:i
382:x
375:x
372:(
367:h
363:K
357:n
352:1
349:=
346:i
334:i
330:y
326:)
321:i
317:x
310:x
307:(
302:h
298:K
292:n
287:1
284:=
281:i
270:=
267:)
264:x
261:(
256:h
246:m
215:m
180:m
157:)
154:X
151:(
148:m
145:=
142:)
139:X
133:Y
130:(
124:E
101:X
81:Y
59:Y
53:X
24:.
Text is available under the Creative Commons Attribution-ShareAlike License. Additional terms may apply.
