×

用于比较非参数回归中误差分布的加权bootstrap近似。 (英语) Zbl 07192129号

摘要:已经提出了几个程序来测试两个或多个非参数回归模型中误差分布的相等性。在这里,我们处理的方法是,将每个总体中误差的累积分布函数(CDF)的估计量与零假设下常见CDF的估计量进行比较。相关测试统计量的零分布已通过平滑自举(SB)估计器进行了近似。本文提出通过加权自举来近似它们的零分布。结果表明,它产生了一个一致的估计量。通过模拟研究评估了该近似的有限样本性能,并将其与SB进行了比较。该研究表明,从计算角度来看,所提出的近似比SB提供的更有效。

MSC公司:

62至XX 统计

软件:

PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Hall P,Hart JD。非参数回归中均值差异的Bootstrap检验。J Amer统计协会,1990年;85:1039-1049. doi:10.1080/01621459.1990.10474974[Taylor&Francis Online],[Web of Science®],[Google学者]·Zbl 0717.62037号
[2] Kulasekera KB,Wang J.使用Gáteaux分数测试回归曲线的相等性。奥斯特N Z J统计。2001;43:89-99. doi:10.1111/1467-842X.00157[Crossref],[Web of Science®],[Google学者]·Zbl 0990.62039号
[3] Young SG,Bowman AW.协方差的非参数分析。生物计量学。1995;51:920-931. doi:10.2307/2532993[Crossref],[Web of Science®],[Google学者]·Zbl 0875.62312号
[4] Mora J.比较线性模型中误差的分布函数:非参数方法。统计Probab Lett。2005;73:425-432. doi:10.1016/j.spl.2005.04.017[Crossref],[Web of Science®],[Google学者]·Zbl 1071.62036号
[5] 帕尔多·费尔南德斯JC。非参数回归中误差分布的比较。统计Probab Lett。2007;77:350-356. doi:10.1016/j.spl.2006.07.015[Crosref],[Web of Science®],[谷歌学者]·兹比尔1106.62044
[6] Rivas-Martínez GI、Jiménez-Gamero MD、Moreno-Rebollo JL。基于特征函数的非参数回归误差分布的两样本检验。统计论文。2017年。可从以下网址获得:http://dx.doi.org/10.1007/s00362-017-0878-8。[Crossref],[Google学者]·Zbl 1432.62107号 ·doi:10.1007/s00362-017-0878-8
[7] Burke MD。使用加权自举法对fit和均匀置信带进行多元检验。统计Probab Lett。2000;46分13秒-20秒。doi:10.1016/S0167-7152(99)00082-6[Crossref],[Web of Science®],[Google学者]·Zbl 0941.62065号
[8] Quessy J-F,Ethier F.Cramér-von Mises和具有相关数据的两样本和k样本问题的特征函数测试。计算统计数据分析。2012;56:2097-2111. doi:10.1016/j.csda.2011.12.021[Crossref],[Web of Science®],[Google学者]·Zbl 1243.62063号
[9] Jiménez-Gamero MD、Alba-Fernández MV、JodráP等。基于经验特征函数的两样本问题快速测试。数学与计算机模拟。2017;137:390-410. doi:10.1016/j.matcom.2016.09.007[Crossref],[Web of Science®],[Google学者]·Zbl 07313832号
[10] Alba-Fernández MV、Batsidis A、Jiménez-Gamero MD等。计数数据双样本问题的一类测试。J计算应用数学。2017;318:220-229. doi:10.1016/j.cam.2016.09.050[Crossref],[Web of Science®],[Google学者]·Zbl 1359.62136号
[11] Akritas MG,Van Keilegom I.残差分布的非参数估计。Scand J Stat.2001;28:549-567. doi:10.1111/1467-9469.00254[Crossref],[Web of Science®],[Google学者]·Zbl 0980.62027号
[12] Kojadinovic I,Yan J.基于加权bootstrap的fit Goodness-of-fit测试:参数bootstrap:快速大样本替代方法。Canad J统计师。2012;40:480-500. doi:10.1002/cjs.11135[Crossref],[Web of Science®],[Google学者]·兹比尔1349.62224
[13] R核心团队。R: 用于统计计算的语言和环境。奥地利维也纳:R统计计算基金会;2015年。可从以下网址获得:http://www.R-project.org/。[谷歌学者]
[14] 克利夫兰WS。可视化数据。新泽西州:峰会;1993.[谷歌学者]
[15] 基于非参数回归残差的经验过程的Neumeyer N.Bootstrap程序[惯习schrift]。Ruhr-UniversitäBochum;2006年【谷歌学者】
[16] 时间序列的Masry E.多元局部多项式回归:一致强一致性和速率。时间序列杂志。分析。1996;17:571-599. doi:10.1111/j.1467-9892.1996.tb00294.x[交叉引用],[谷歌学者]·Zbl 0876.62075号
[17] 科索罗克先生。经验过程和半参数推断简介。多德雷赫特:施普林格;2008.[交叉引用],[谷歌学者]·Zbl 1180.62137号
[18] van der Vaart AW,Wellner JA。弱收敛和经验过程。纽约:Springer;1996.【Crossref】,【谷歌学者】·Zbl 0862.60002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。