×
阿马杜·巴里;卡里姆·乌尔卡查;亚瑟·沙彭蒂埃

使用非对称最小二乘回归计算异方差的新GEE方法。 （英语） 兹伯利07611116

J.应用。斯达。 49，编号14，3564-3590（2022）.
概要：广义估计方程GEE广泛用于分析纵向数据；然而，它们不适用于异方差数据，因为它们只估计了回归变量对平均响应的影响，因此不考虑数据的异质性。这里，我们将GEE与非对称最小二乘（期望）回归相结合，导出了一类新的估计量，我们称之为广义期望估计方程（GEEE）。GEEE模型估计了回归变量对反应分布期望值的影响，它提供了对整个反应分布的回归变量影响的详细视图。除了捕获数据异方差外，GEEE还扩展了各种工作相关性结构，以解释主体内相关性。我们推导了GEEE估计量的渐近性质，并提出了其协方差矩阵的稳健估计量以供推断（参见我们的R包，github.com/AmBarry/expectgee). 我们的模拟表明，GEEE估计器是无偏的和有效的，我们的实际数据分析表明它捕捉到了异方差。

引用于2文件

MSC公司：

62至XX 统计

关键词：

预期回归;分位数回归;GEE工作相关性;群集数据;纵向数据

软件：

期待的人;SAS公司;极客;期待（expectreg）;SAS/STAT系统;使丑化;R（右）;连接线;erboost公司;连接线
PDF格式BibTeX公司 XML格式引用
\textit{A.Barry}等人，J.Appl。Stat.49，No.14，3564--3590（2022；Zbl 07611116）
全文： 内政部 arXiv公司 链接

参考文献：

[1] 艾格纳，D。；Amemiya，T。；Poirier，D.，《关于生产前沿的估计：不连续密度函数参数的最大似然估计》，《国际经济》。修订版，17，377（1976）·Zbl 0339.62083号
[2] 巴兰，R.M。；Schiopup-Kratina，I.，《纵向数据广义估计方程的渐近结果》，《Ann.Stat.》，第33期，第522-541页（2005年）·Zbl 1069.62019号
[3] A.巴里。；巴格瓦特，N。；米西奇，B。；波利恩，J.-B。；Greenwood，C.M.T.，高维回归的非对称影响测度，Commun。统计-理论方法，1-27（2020）
[4] Burrus，C.S。；巴雷托，J.A。；Selesnick，I.W.，FIR滤波器的迭代重加权最小二乘设计，IEEE Trans。信号处理。，42, 2926-2936 (1994)
[5] Chatterjee，S。；Hadi，A.S.，《影响性观察、高杠杆点和线性回归中的异常值》，《统计科学》。，1, 379-393 (1986) ·Zbl 0633.62059号
[6] Chen，L。；Wei，L.-J。；Parzen，M.I.，相关观测的分位数回归，51-69（2004），Springer:Springer，纽约州纽约市·Zbl 1390.62109号
[7] Davis，C.S.，《重复测量分析的半参数和非参数方法及其在临床试验中的应用》，《统计医学》，1959-1980年10月（1991）
[8] Efron，B.，使用非对称平方误差损失的回归百分位数，Stat.Sin。，1, 93-125 (1991) ·Zbl 0822.62054号
[9] Farcomeni，A。；Marino，M.F.，《纵向实验的线性分位数回归模型：概述》，METRON，73，229-247（2015）·Zbl 1329.62317号
[10] 法鲁克，M。；Steinwart，I.，预期回归的类SVM方法，计算。统计数据分析。，109, 159-181 (2017) ·Zbl 1466.62064号
[11] 美国Halekoh。；Höjsgaard，S。；Yan，J.，广义估计方程的R包geepack，J.Stat.Softw。，15, 1-11 (2006)
[12] 哈丁，J.W。；Hilbe，J.M.，《广义估计方程》（2003），查普曼和霍尔/CRC：查普曼&霍尔/CRC，佛罗里达州博卡拉顿·Zbl 1023.62068号
[13] Hin，L.-Y。；Wang，Y.-G.，广义估计方程中的工作相关结构识别，Stat.Med.，28642-658（2009）
[14] Höjsgaard，S。；美国Halekoh。；Yan，J.，广义估计方程的R包geepack，J.Stat.Softw。，15, 1-11 (2005)
[15] 江，C。；江，M。；徐，Q。；黄，X.，期望回归神经网络模型及其应用，神经计算，24773-86（2017）
[16] 姜杰。；Luan，Y。；Wang，Y.-G.，迭代估计方程：线性收敛和渐近性质，Ann.Stat.，3522233-2260（2007）·Zbl 1126.62025号
[17] Karim，R.和Zeger，S.，《SAS纵向数据分析宏》，1989年。
[18] Kim，M。；Lee，S.，非线性预期回归及其在价值风险和预期短缺估计中的应用，计算。统计数据分析。，94, 1-19 (2016) ·Zbl 1468.62101号
[19] Kocherginsky，M。；何，X。；Mu，Y.，回归分位数的实际置信区间，J.Compute。图表。统计，14，41-55（2005）
[20] Koenker，R.，纵向数据的分位数回归，J.Multivar。分析。，91, 74-89 (2004) ·Zbl 1051.62059号
[21] Koenker，R。；Bassett Jr.，G.，《回归分位数》，《计量经济学》，46，33-50（1978）·兹伯利0373.62038
[22] 科贾季诺维奇，I。；Yan，J.，使用copula R包建模具有连续边际的多元分布，J.Stat.Softw。，34 (2010)
[23] 冷，C。；张伟，纵向数据分位数回归中的平滑组合估计方程，统计计算。，24, 123-136 (2014) ·Zbl 1325.62141号
[24] Liang，K.-Y。；Zeger，S.L.，使用广义线性模型进行纵向数据分析，Biometrika，73，13-22（1986）·Zbl 0595.62110号
[25] Liao，L。；帕克，C。；Choi，H.，《惩罚预期回归：惩罚分位数回归的替代方法》，《Ann.Inst.Stat.Math.》。，71, 409-438 (2019) ·Zbl 1417.62082号
[26] Lin，J.，Tong，X.，Li，C.和Lu，Q.，复杂疾病遗传数据分析的预期神经网络，预印本（2020年）。网址：arXiv:2010.13898。
[27] 刘，Y。；Wu，Y.，使用核约束的同时多重非交叉分位数回归估计，J.Nonparametr。《统计》，23，415-437（2011）·Zbl 1359.62108号
[28] Majumdar，A。；Paul，D.，零期望过程和贝叶斯空间回归，J.Compute。图表。Stat.，25，727-747（2016）
[29] Nelder，J.A。；Wedderburn，R.W.M.，广义线性模型，J.R.Stat.Soc.Ser。A（概述），135，370-384（1972）
[30] 纽伊，W.K。；鲍威尔，J.L.，《非对称最小二乘估计和检验》，《计量经济学》，55，819-47（1987）·兹比尔062562047
[31] Pan，W.，Akaike在广义估计方程中的信息标准，生物统计学，57，120-125（2001）·Zbl 1210.62099号
[32] Pan，Y.，《大规模惩罚期望回归的分布式优化和统计学习》，韩国统计学会期刊，50，290-314（2021）·Zbl 1485.62048号 ·doi:10.1007/s42952-020-00074-5
[33] 潘，Y。；刘，Z。；Cai，W.，随机缺失协变量的大尺度期望回归，IEEE Access，836502-36513（2020）
[34] R核心团队，R：统计计算语言与环境（2021年），R统计计算基金会：R统计计算基础，奥地利维也纳
[35] 里吉，M。；杨，Y。；Ceretta，P.，用于条件自回归预期短缺估计的非参数预期回归，Contemp。经济学研究。财务。分析。，96, 83-95 (2014)
[36] SAS Institute Inc.，SAS/STAT Software，14.1版用户指南，北卡罗来纳州卡里市，2003年。
[37] 舒尔茨·沃尔特鲁普。；Kauermann，G.，使用惩罚样条曲线的面板数据的平滑期望值，统计计算。，27, 271-282 (2015) ·Zbl 1505.62362号
[38] Shan，K。；Yang，Y.，结合回归分位数估计，Stat.Sin。，19, 1171-1191 (2009) ·Zbl 1166.62022号
[39] Waldmann，E。；Sobotka，F。；Kneib，T.，地质加性预期回归中的贝叶斯正则化，统计计算。，27, 1539-1553 (2017) ·Zbl 1384.62140号 ·doi:10.1007/s11222-016-9703-9
[40] Wedderburn，R.W.M.，拟似然函数，广义线性模型和高斯-奈顿方法，生物统计学，61439-447（1974）·Zbl 0292.62050号
[41] White，H.，异方差一致协方差矩阵估计和异方差的直接检验，《计量经济学》，48，817-838（1980）·Zbl 0459.62051号
[42] White，H.，仪器变量回归与独立观察，《计量经济学》，50，483-499（1982）·Zbl 0518.62094号
[43] 谢，M。；Yang，Y.，大簇尺寸广义估计方程的渐近性，《统计年鉴》，31，310-347（2003）·Zbl 1018.62019号
[44] Xing，J.-J。；钱晓云，非对称正态分布贝叶斯期望回归，Commun。统计-理论方法，46，4545-4555（2017）·Zbl 1422.62112号
[45] 徐，Q。；刘，X。；江，C。；Yu，K.，基于神经网络的非参数条件自回归期望模型及其在估计金融风险中的应用，应用。斯托奇。模型总线。印度，32，882-908（2016）·Zbl 1420.91531号
[46] 徐庆芳。；丁，X.H。；江春霞。；Yu，K.M。；Shi，L.，《弹性网惩罚期望回归及其应用》，J.Appl。统计，56，1-26（2020年）·Zbl 1521.62526号 ·doi:10.1080/02664763.2020.1787355
[47] Yamaguchi，Y。；上野，M。；Maruo，K。；Gosho，M.，在处理组之间存在异方差的情况下对纵向数据进行多重插补，J.Biopharm。统计，30178-196（2020）·doi:10.1080/10543406.2019.1632878
[48] Yan，J.，geepack:广义估计方程的另一个包，R-News，2/3，12-14（2002）
[49] 严，J。；Fine，J.P.，《联合结构的估算方程》，《Stat.Med.》，23，859-880（2004）
[50] 杨，Y。；Zou，H.，通过er-boost的非参数多元预期回归，J.Stat.Compute。模拟。，85, 1442-1458 (2015) ·Zbl 1457.62124号
[51] 尹，G。；Cai，J.，多变量失效时间数据的分位数回归模型，生物统计学，61151-161（2005）·Zbl 1077.62086号
[52] 赵，J。；陈，Y。；Zhang，Y.，用于分析高维异方差的期望回归，Stat.Probab。莱特。，137, 304-311 (2018) ·Zbl 1414.62324号
[53] Zhao，J.、Yan，G.和Zhang，Y.，《具有重尾和方差异质性的超高维预期回归的稳健估计和收缩》，预印本（2019年）。可从arXiv:1909.09302获取。
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。