朱汉兵;李叶华;刘百森;姚伟新;张日泉 具有重尾分布的部分函数线性回归模型的极值分位数估计。 （英语。法语摘要） Zbl 1492.62089号 可以。J.统计。 50，编号1，267-286（2022）. 摘要：在本文中，我们提出了具有重尾分布的偏泛函线性回归模型中极端条件分位数的一种新估计。由于数据稀疏性，特别是对于重尾分布，传统的分位数回归估计量在极端尾部往往不稳定。我们首先使用基于函数主成分分析的函数分位数回归估计斜率函数和部分线性系数，这是普通最小二乘回归的稳健替代方法。然后使用极值理论中的新外推技术估计极值条件分位数。我们建立了该估计器的渐近正态性，并通过对认知障碍研究中扩散张量成像数据的仿真研究和实证分析来说明其有限样本性能。 引用于2文件 MSC公司： 62G32型 极值统计；尾部推断 62甲12 多元分析中的估计 62兰特 功能数据分析 62H25个 因子分析和主成分；对应分析 关键词：极端分位数;极值理论;功能数据;功能主成分分析;重尾分布;偏函数线性回归 PDF格式BibTeX公司 XML格式引用 \textit{H.Zhu}等人，可以。J.Stat.50，No.1，267--286（2022；Zbl 1492.62089） 全文： 内政部 参考文献： [1] Abrevaya，J.（2001）。人口统计学和母亲行为对出生结果分布的影响。实证经济学，26247-257。 [2] Beirlant，J.、Vynckier，P.和Teugels，J.（1996）。超额函数和极值指数估计。伯努利，2293-318·Zbl 0870.62019号 [3] Cai，T.T.和Hall，P.（2006）。函数线性回归中的预测。《统计年鉴》，34，2159-2179·Zbl 1106.62036号 [4] Cai，T.T.和Yuan，M.（2012）。函数线性回归的Minimax和自适应预测。美国统计协会杂志，1071201-1216·Zbl 1443.62196号 [5] Cardot，H.、Crambes，C.和Sarda，P.（2005年）。当协变量是函数时的分位数回归。非参数统计，17，841-856·兹比尔1077.62026 [6] Chen，K.&Müller，H.‐G。（2012年）。协变量为函数时的条件分位数分析，应用于生长数据。英国皇家统计学会杂志：B辑（统计方法），74，67-89·Zbl 1411.62095号 [7] Chernozhukov，V.（2005）。极值分位数回归。统计年鉴，33806-839·Zbl 1068.62063号 [8] Chernozhukov，V.和Fernández‐Val，I.（2011）。极值条件分位数模型的推断，应用于市场和出生体重风险。《经济研究评论》，78，559-589·Zbl 1216.62077号 [9] Chiou，J.‐M.和李，P.‐L。(2007). 功能聚类和识别纵向数据的子结构。英国皇家统计学会杂志：B辑（统计方法），69，679-699·兹伯利07555371 [10] deHaan，L.&Ferreira，A.（2006年）。极值理论：导论。Springer Science&Business Media，纽约·Zbl 1101.62002号 [11] Dekkers，A.L.M.和Haan，L.D.（1989）。关于极值指数的估计和大分位数估计。《统计年鉴》，1795-1832年·Zbl 0699.62028号 [12] Delaigle，A.、Hall，P.和Bathia，N.（2012年）。功能数据的组件分类和聚类。生物特征，99，299-313·Zbl 1244.62090号 [13] Drees，H.（1998）。关于光滑统计尾泛函。斯堪的纳维亚统计杂志，25187-210·Zbl 0923.62032号 [14] Dupuis，D.、Sun，Y.和Wang，H.J.（2015）。检测极端情况下的变化点。统计及其接口，8，19-31·Zbl 1407.62311号 [15] Friedrichs，P.&Hense，A.（2007年）。使用删失分位数回归对极端降水事件进行统计降尺度。《月度天气评论》，1352365-2378。 [16] Gardes，L.和Girard，S.（2010年）。重尾分布的条件极值：极端降雨回归水平估算的应用。极端，13，177-204·兹比尔1238.62136 [17] Goldsmith，J.、Crainiceanu，C.M.、Caffo，B.S.和Reich，D.S.（2011）。多发性硬化患者白质束特征的惩罚功能回归分析。神经影像学，57，431-439。 [18] Goldsmith，J.D.、Crainiceanu，C.M.、Caffo，B.S.和Reich，D.S.（2012）。神经束测量认知结果的纵向惩罚功能回归。英国皇家统计学会杂志C辑-应用统计学，61453-469。 [19] Gomes，M.I.&Guillou，A.（2015）。极值理论和单变量极值统计：综述。《国际统计评论》，83，263-292·Zbl 07763438号 [20] Greven，S.、Crainiceanu，C.、Caffo，B.和Reich，D.（2010年）。纵向功能主成分分析。《电子统计杂志》，第4期，1022-1054页·兹比尔1329.62334 [21] Hall，P.&Horowitz，J.L.（2007）。函数线性回归的方法和收敛速度。《统计年鉴》，35，70-91·Zbl 1114.62048号 [22] Hall，P.&Hosseini‐Nasab，M.（2006）。关于函数主成分分析的性质。英国皇家统计学会杂志：B辑（统计方法），68，109-126·Zbl 1141.62048号 [23] 霍尔，P.，米勒，H.‐G.，&王，J.‐L。(2006). 函数和纵向数据分析的主成分方法的特性。《统计年鉴》，第34期，1493-1517页·Zbl 1113.62073号 [24] He，G.，Müller，H.‐G.和王，J.‐L。(2003). 平方可积随机过程的泛函正则分析。多元分析杂志，85，54-77·Zbl 1014.62070号 [25] Hill，B.M.（1975）。推断分布尾部的简单通用方法。《统计年鉴》，第31163-1174页·Zbl 0323.62033号 [26] Xing，T.和Eubank，R.（2015）。函数数据分析的理论基础，线性算子简介。约翰·威利父子公司，西苏塞克斯郡奇切斯特·兹比尔1338.62009 [27] Imaizumi，M.和Kato，K.（2019年）。在函数线性回归中构造置信带的一种简单方法。中国统计局，292055-2081·Zbl 1434.62150号 [28] Kai，B.、Li，R.和Zou，H.（2011）。半参数变系数部分线性模型的新的有效估计和变量选择方法。《统计年鉴》，39，305-332·Zbl 1209.62074号 [29] Kato，K.（2012年）。函数线性分位数回归中的估计。《统计年鉴》，403108-3136·Zbl 1296.62104号 [30] Klemelä，J.（2018）。分位数和风险价值。约翰·威利父子有限公司，西萨塞克斯郡奇切斯特。 [31] Kong，D.、Staicu，A.-M.和Maity，A.（2016a）。函数线性模型中的经典测试。非参数统计杂志，28，1-26。 [32] Kong，D.，Xue，K.，Yao，F.，&Zhang，H.H.（2016b）。高维部分函数线性回归。《生物统计学》，第103、147-159页·1452.62500兹罗提 [33] Lei，J.（2014）。函数线性模型的自适应全局测试。美国统计协会杂志，109624-634·Zbl 1367.62214号 [34] Li，D.和Wang，H.J.（2019年）。自回归模型的极值分位数估计。《商业与经济统计杂志》，第37期，第661-670页。 [35] Li，R.，Lu，W.，Z.，&Lian，H.（2021）。再生核Hilbert空间中分位数泛函线性回归的最优预测。《统计规划与推断杂志》，211162-170·Zbl 1455.62232号 [36] Li，T.、Xie，F.、Feng，X.、Ibrahim，J.G.和Zhu，H.（2018）。不可忽略的缺失标量响应的函数线性回归模型。《中国统计》，1867-1886年第28期·Zbl 1406.62140号 [37] Lu，Y.、Du，J.和Sun，Z.（2014）。函数部分线性分位数回归模型。梅特里卡，77，317-332·Zbl 1304.62058号 [38] Ma，H.，Li，T.，朱，H.和朱，Z.（2019）。超高维函数部分线性模型的分位数回归。计算统计与数据分析，129135-147·Zbl 1469.62114号 [39] 穆勒，H.‐G.&Stadtmüller，U.（2005）。广义函数线性模型。《统计年鉴》，33774-805·Zbl 1068.62048号 [40] Peng，J.&Müller，H.‐G。(2008). 稀疏观测随机过程的基于距离的聚类，应用于在线拍卖。《应用统计学年鉴》，21056-1977·Zbl 1149.62053号 [41] Ramsay，J.和Silverman，B.（2005年）。功能数据分析。Springer Science&Business Media，纽约·Zbl 1079.62006号 [42] Ramsay，J.O.和Dalzell，C.（1991）。一些用于功能数据分析的工具。英国皇家统计学会杂志：B辑（统计方法），53539-561·Zbl 0800.62314号 [43] Rényi，A.（1953年）。关于顺序统计理论。匈牙利科学院数学学报，191-231年4月·Zbl 0052.14202号 [44] Sang，P.和Cao，J.（2020年）。功能性单指数分位数回归模型。统计与计算，30771-781·Zbl 1447.62138号 [45] Shin，H.（2009）。部分函数线性回归。《统计规划与推断杂志》，1393405-3418·Zbl 1168.62358号 [46] Shin，H.和Lee，M.H.（2012）。关于偏函数线性回归的预测率。多元分析杂志，103，93-106·Zbl 1231.62072号 [47] Shin，H.和Lee，S.（2015）。不规则和稀疏观测功能数据的典型相关分析。多元分析杂志，134，1-18·Zbl 1305.62245号 [48] Tang，Q.&Kong，L.（2017）。函数线性半参数模型中的分位数回归。统计学，51，1342-1358·Zbl 1387.62054号 [49] Wang，H.J.，Li，D.，&He，X.（2012）。重尾分布的高条件分位数估计。美国统计协会杂志，1071453-1464·Zbl 1258.62053号 [50] 魏斯曼，I.（1978）。根据k个最大观测值估计参数和大分位数。美国统计协会杂志，73812-815·Zbl 0397.62034号 [51] Yao，F.、Sue‐Chee，S.和Wang，F.（2017）。正则部分函数分位数回归。多元分析杂志，156，39-56·Zbl 1369.62083号 [52] Yao，F.、Wu，Y.和Zou，J.（2016）。概率增强的有效降维，用于对稀疏功能数据进行分类。测试，25，1-22·Zbl 1336.62198号 [53] Yu，D.、Kong，L.和Mizera，I.（2016）。神经影像数据分析的部分函数线性分位数回归。神经计算，195，74-87。 [54] Yu，D.，Zhang，L.，Mizera，I.，Jiang，B.，&Kong，L.（2019年）。具有多个函数预测因子的分位数回归中的稀疏小波估计。计算统计与数据分析，136，12-29·Zbl 1507.62196号 [55] Yu，P.，Zhang，Z.，&Du，J.（2016）。部分函数线性回归中的线性检验。梅特里卡，79，953-969·Zbl 1358.62045号 [56] Yuan，M.和Cai，T.T.（2010）。函数线性回归的再生核Hilbert空间方法。《统计年鉴》，383412-3444·Zbl 1204.62074号 [57] Zhang，D.，Lin，X.，&Sowers，M.（2007）。两阶段函数混合模型，用于评估纵向协变量分布对标量结果的影响。生物统计学，63，351-362·Zbl 1147.62391号 [58] 张毅（2018）。极端分位数治疗效果。《统计年鉴》，46，3707-3740·Zbl 1454.62082号 [59] Zhou，J.、Wang，N.Y.和Wang，N.（2013）。子区域系数函数为零值的函数线性模型。中国统计局，23，25-50·Zbl 1426.62214号 [60] Zhu，H.，Zhang，R.，Yu，Z.，Lian，H.和Liu，Y.（2019年）。部分功能变量线性误差模型的估计和测试。《多变量分析杂志》，170296-314·Zbl 1420.62186号 [61] 邹浩、袁明（2008）。复合分位数回归和预言模型选择理论。统计年鉴，361108-1126·Zbl 1360.62394号 此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且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。