Prediction and Model Assesment of Regression Models with Circular Data
Angular or circular data arise in many applications, such as environmental studies, where observations are recorded as directions or angles. In such cases, statistical analyses must properly account for the circular nature of the observations. In this work, we study the consequences of ignoring circularity by comparing the predictive performance of parametric circular regression models with that of traditional linear models in settings with circular responses and/or circular covariates. Results from numerical studies indicate a substantial loss in prediction accuracy when circularity is ignored. We further evaluate parametric circular regression models by comparing them with their nonparametric counterparts under various circular distance metrics and predictive accuracy criteria.
Prédiction et évaluation de modèles de régression avec des données circulaires
Les données angulaires ou circulaires apparaissent dans de nombreuses applications, telles que les études environnementales, où les observations sont enregistrées sous forme de directions ou d'angles. Dans de tels cas, les analyses statistiques doivent tenir compte de la nature circulaire des observations. Dans ce travail, nous étudions les conséquences de l'omission de la circularité en comparant la performance prédictive de modèles de régression circulaire paramétriques à celles de modèles linéaires traditionnels dans des contextes avec des réponses circulaires et/ou des covariables circulaires. Les résultats d'études numériques indiquent une perte substantielle de précision de prédiction lorsque la circularité est ignorée. Nous évaluons en outre des modèles de régression circulaire paramétriques en les comparant à leurs équivalents non paramétriques selon diverses mesures de distance circulaire et divers critères de précision prédictive.
Date and Time
-
Language of Oral Presentation
English
Language of Visual Aids
English