吉田,Takuma 具有各种损失函数的惩罚样条回归的渐近性和平滑参数选择。 (英语) Zbl 1528.62023号 Stat.尼尔尔。 70,第4号,278-303(2016). 摘要:惩罚样条用于各种类型的回归分析,包括非参数分位数、稳健回归和常用的均值回归。本文主要研究具有一般凸损失函数的惩罚样条估计。通过指定损失函数,我们可以得到平均估计、分位数估计和鲁棒估计。我们将首先研究惩罚样条的渐近性质。具体来说,我们将展示估计量的渐近偏差和方差以及渐近正态性。接下来,我们将讨论如何选择平滑参数以最小化平均积分平方误差。新的平滑参数可以用惩罚样条估计量的渐近偏差和方差唯一地表示。为了验证新的平滑参数选择方法,我们将进行仿真。仿真结果表明,该估计器与所提出的平滑参数选择方法的一致性可以得到证实,并且所提出的估计器比广义近似交叉验证估计器具有更好的性能。还介绍了一个实际数据示例。{©2016作者统计©2016 VVS.} MSC公司: 62G08号 非参数回归和分位数回归 第41页第15页 样条线近似 6220国集团 非参数推理的渐近性质 关键词:渐近正态性;\(B\)-花键;缺陷样条曲线;稳健回归;平滑参数选择 软件:半标准杆 PDF格式BibTeX公司 XML格式引用 \textit{T.吉田},Stat.Neerl。70,第4号,278--303(2016;Zbl 1528.62023) 全文: DOI程序 参考文献: [1] Agarwal,G.和W.Studden(1980),使用最小二乘和偏差最小化样条的渐近积分均方误差,统计年鉴81307-1325·Zbl 0522.62032号 [2] Andersen,R.(2008),稳健回归的现代方法,Sage出版物,加利福尼亚州千橡树。 [3] Andriyana,Y.、I.Gijbels和A.Verhasselt(2014),变系数模型中的分位数回归,测试23153-194·Zbl 1297.62067号 [4] Antoniadis,A.、I.Gijbels和A.Verhasselt(2012a),《使用P‐样条的加性模型中的变量选择》,技术计量54、425-438。 [5] Antoniadis,A.、I.Gijbels和A.Verhasselt(2012b),使用P样条曲线在变系数模型中选择变量,计算与图形统计杂志21,638-661。 [6] Barrow,D.L.和P.W.Smith(1978),用可变节的样条曲线进行最佳L_2[0,1]近似的渐近性质,《应用数学季刊》36,293-304·Zbl 0395.41012号 [7] Bollaerts,K.、P.H.C.Eilers和A.Marc(2006),使用P样条和L_1范数的单调限制分位数回归,统计建模6189-207·Zbl 07257134号 [8] Claeskens,G.、T.Krivobokova和J.D.Opsomer(2009),惩罚样条估计量的渐近性质,生物特征96,529-544·Zbl 1170.62031号 [9] Cox,D.D.(1983),M型光滑样条的渐近性,《统计学年鉴》11530-551·Zbl 0519.62034号 [10] deBoor,C.(2001),《样条实用指南》,Springer‐Verlag,纽约。修订版·Zbl 0987.65015号 [11] Eilers,P.H.C.和B.D.Marx(1996),《带B样条和惩罚的灵活平滑》,《统计科学》11,89-121·Zbl 0955.62562号 [12] Fan,J.,T.C.Hu和Y.K.Truong(1994),稳健非参数函数估计,斯堪的纳维亚统计杂志,21433-446·Zbl 0810.62038号 [13] Fahrmeir,L.,T.Kneib和S.Lang(2004),《时空数据的惩罚结构加性回归:贝叶斯视角》,《统计中国》14,731-761·Zbl 1073.62025号 [14] Fahrmeir,L.和T.Kneib(2009),《结构化加性回归模型中后验概率的适用性:理论和经验证据》,《统计规划与推断杂志》139843-859·Zbl 1156.62029号 [15] Gijbels,I.和A.Verhasselt(2010),《P样条回归平滑和差异惩罚类型》,《统计与计算》20499-511。 [16] Gijbels,I.、A.Verhasselt和I.Vrinssen(2015),使用P样条的变量选择,威利跨学科评论:计算统计7,1-20·Zbl 1507.62061号 [17] Hall,P.和J.D.Opsomer(2005),惩罚样条回归理论,生物统计学92,105-118·Zbl 1068.62045号 [18] Hampel,F.R.,E.M.Ronchetti,P.J.Rousseeuw和W.A.Stahel(2005),稳健统计:基于影响函数的方法,(概率统计中的威利级数),威利跨科学,纽约。 [19] Hao,L.和D.Q.Naiman(2007),Quantile回归,Sage出版公司,千橡园。 [20] Hastie,T.、R.Tibshirani和J.Friedman(2009),《统计学习的要素》,Springer‐Verlag,纽约·兹比尔1273.62005 [21] He,X.,and P.Shi(1994),非参数条件分位数函数B样条估计的收敛速度,非参数统计杂志3,299-308·Zbl 1383.62111号 [22] Heinzl,F.、T.Kneib和L.Fahrmeir(2012年),Dirichlet过程混合物和P样条先验的加性混合模型,统计分析进展96,47-68·Zbl 1443.62098号 [23] Huber,P.J.(1979)。稳健平滑,见:Launer,R.L.(编辑)和G.N.Wilkinson(编辑),《统计稳健》,纽约;伦敦,学术出版社,33-48。 [24] Huber,P.和E.M.Ronchetti(2009),《稳健统计》第二版,新泽西州霍博肯市威利·Zbl 1276.62022号 [25] Kauermann,G.、T.Krivobokova和L.Fahrmeir(2009),广义惩罚样条平滑的一些渐近结果,皇家统计学会期刊:B71系列,487-503·兹比尔1248.62055 [26] Kauermann,G.(2005),变系数多变量生存模型中的惩罚样条拟合,计算统计和数据分析49,169-186·Zbl 1429.62141号 [27] Koenker,R.(2005),分位数回归,剑桥大学出版社,剑桥·Zbl 1111.62037号 [28] Koenker,R.和B.J.Park(1996),非线性分位数回归的内点算法,《计量经济学杂志》71,265-283·Zbl 0855.62030号 [29] Krivobokova,T.(2013),《惩罚样条曲线两种框架中的平滑参数选择》,《皇家统计学会期刊:B75系列,725-741》·Zbl 1411.62102号 [30] Lee,T.C.M.和H.Oh(2007),稳健惩罚回归样条拟合及其在加性混合建模中的应用,计算统计22,159-171·Zbl 1194.62046号 [31] Li,Y.和D.Ruppert(2008),关于缺陷样条曲线的渐近性,Biometrika95,415-436·Zbl 1437.62540号 [32] Lin,X.,and D.Zhang(1999),《使用平滑样条函数在广义加性混合模型中的推断》,英国皇家统计学会期刊:B61系列,381-400·Zbl 0915.62062号 [33] Meyer,M.C.(2012),约束惩罚样条,加拿大统计杂志40190-206·Zbl 1236.62033号 [34] O'Sullivan,F.(1986),不适定反问题的统计视角(带讨论),《统计科学》1,505-527·Zbl 0625.62110号 [35] Pollard,D.(1991),最小绝对偏差回归估计量的渐近,计量经济学7,186-199。 [36] Pratesi,M.、M.G.Ranalli和N.Salvati(2009),使用惩罚样条的非参数M分位数回归,非参数统计杂志21,287-304·Zbl 1158.62033号 [37] Reiss,P.T.和L.Huang(2012),惩罚分位数回归样条的平滑度选择,国际生物统计学杂志8.1。 [38] Reiss,P.T.和R.T.Ogden(2009),一类半参数线性模型的平滑参数选择,皇家统计学会期刊:B71系列,503-523·Zbl 1248.62057号 [39] Ruppert,D.(2002),《为缺陷样条线选择节数》,JCGS11,735-757。 [40] Ruppert,D.、M.P.Wand和R.J.Carroll(2003),半参数回归,剑桥大学出版社,剑桥·Zbl 1038.62042号 [41] Ruppert,D.、M.P.Wand和R.J.Carroll(2009),2003-2007年期间的半参数回归,《电子统计杂志》31193-1256·Zbl 1326.62094号 [42] Silverman,B.W.(1985),非参数回归曲线拟合的样条平滑方法的一些方面,皇家统计学会杂志:B47系列,1-?52. ·Zbl 0606.62038号 [43] Tharmaratnam,K.,G.Claeskens,CCroux和M.Salibian‐Barrera(2010),惩罚回归样条的S‐估计,计算与图形统计学杂志19(3),609-625。 [44] Wand,M.P.(2003),平滑和混合模型,计算统计18,223-249·Zbl 1050.62049号 [45] Wand,M.和J.Ormerod(2008),《关于使用O'Sullivan惩罚样条的半参数回归》,《澳大利亚和新西兰统计杂志》50,179-198·Zbl 1146.62030号 [46] Wang,X.,J.Shen和D.Ruppert(2011),关于惩罚样条平滑的渐近性,《电子统计杂志》5,1-17·Zbl 1274.65012号 [47] Wood,S.N.(2000),《带多重二次惩罚的建模与平滑参数估计》,《皇家统计学会杂志:系列B62,413-428》。 [48] Wood,S.N.(2004),广义加性模型的稳定有效多重平滑参数估计,美国统计协会杂志99,673-686·Zbl 1117.62445号 [49] Wood,S.N.(2008),广义加性模型的快速稳定直接拟合和平滑度选择,皇家统计学会期刊:B70系列,495-518·Zbl 05563356号 [50] Xiao,L.,Y.Li和D.Ruppert(2013),快速二元P‐样条:三明治平滑器,J.R.Statist。Soc.B75,577-599·Zbl 1411.62109号 [51] Yoshida,T.(2013a),分位数回归中惩罚样条估计量的渐近性,统计学通讯理论与方法,DOI:10.1080/03610926.2013.765477·Zbl 07710569号 [52] Yoshida,T.(2013b),惩罚样条回归平滑参数的直接确定,概率统计杂志,文章编号:203469·Zbl 1307.62119号 [53] Yoshida,T.和K.Naito(2014),广义可加模型中惩罚样条的渐近性,非参数统计杂志47,269-289·Zbl 1359.62307号 [54] Zhou,S.,X.Shen和D.A.Wolfe(1998),回归样条和置信区的局部渐近性,统计年鉴261760-1782·Zbl 0929.62052号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。