托尔斯滕·霍霍恩;丽莎·莫斯特;彼得·伯尔曼 最可能的转换。 (英语) Zbl 1421.62141号 扫描。J.统计。 45,第1期,110-134(2018). 研究了一类条件变换模型中极大似然估计的性质。通过选择适当的转换函数和适当的参数化,可以在相同的理论和计算框架中建立和估计任何一元响应变量的无条件和条件分布函数的模型。这使得在存在随机删失或截断的情况下,可以根据准确的似然估计模型。对于离散和连续响应,建立了所提出估计量的渐近正态性。这些过程可以解释为在结构和易于参数化和推理之间的折衷。在回归问题中,转换模型可以解释为条件分布函数的模型。插图包括离散非比例赔率和风险模型、Cox回归模型中的时变效应、密度估计和分位数回归。R包mlt中提供了最有可能的转换模型的实现。审核人:戈兰·布罗斯特伦(乌米亚) 引用于7文件 MSC公司: 62号02 生存分析和删失数据中的估计 10层62层 点估计 62E20型 统计学中的渐近分布理论 62N01号 审查数据模型 62G07年 密度估算 62G08号 非参数回归和分位数回归 关键词:审查;条件分布函数;条件分位数函数;分布回归;转换模型;截断 软件:R(右);赌博;百万吨;净现值;GAMLSS公司 PDF格式BibTeX公司 XML格式引用 \textit{T.Hothorn}等人,扫描。J.Stat.45,No.1,110--134(2018;Zbl 1421.62141) 全文: 内政部 arXiv公司 参考文献: [1] Klein,J.P。;Moeschberger,M.K.(2003) [2] 巴布,G.J。;坎蒂,A.J。;Chaubey,Y.P.,《伯恩斯坦多项式在分布和密度函数平滑估计中的应用》,J.Stat.Plan。推断。,105, 377-392, (2002) ·Zbl 0992.62038号 ·doi:10.1016/S0378-3758(01)00265-8 [3] Chang,I。;Chiung,C.A。;吴义杰。;Yany,C.-C.,使用伯恩斯坦多项式的贝叶斯生存分析,Scand。J.统计。,32, 447-466, (2005) ·Zbl 1087.62108号 [4] Cheng,S.C。;魏立杰。;Ying,Z.,用半参数转换模型预测生存概率,美国统计协会,92,227-235,(1997)·Zbl 0889.62080号 ·doi:10.1080/01621459.1997.10473620 [5] 克劳瑟,M.J。;Lambert,P.C.,《参数生存分析的一般框架》,《统计医学》,第33期,第5280-5297页,(2014年)·Zbl 1168.65375号 [6] 柯蒂斯,S.M。;Ghosh,S.K.,用Bernstein多项式进行单调回归的变量选择方法,J.Appl。统计,38,961-976,(2011)·Zbl 1511.62073号 ·doi:10.1080/02664761003692423 [7] 丁,A.A。;田,S。;Yu,Y。;郭华,一类离散变换生存模型及其在违约概率预测中的应用,美国统计学会,107,990-1003,(2012)·兹比尔1395.62354 ·doi:10.1080/01621459.2012.682806 [8] Doksum,K.A。;Gasko,M.,《关于二元回归分析和生存分析中模型之间的对应关系》,Int.Stat.Rev.,58243-252,(1990)·Zbl 0713.62073号 ·doi:10.2307/1403807 [9] Farouki,R.T.,《伯恩斯坦多项式基础:百年回顾》,Comput。辅助Geom。D.,29,379-419,(2012)·Zbl 1252.65039号 ·doi:10.1016/j.cagd.2012.03.001 [10] Foresi,S。;Peracchi,F.,《超额收益的条件分布:实证分析》,美国统计协会,90,451-466,(1995)·网址:10.1080/01621459.1995.10476537 [11] 弗雷泽,D.A.S.(1968) [12] Gneiting,T。;Katzfuss,M.,《概率预测》,年。修订状态申请。,1, 125-151, (2014) ·doi:10.1146/annurev-statistics-062713-085831 [13] 海菲尔德,T。;Racine,J.S.,《非参数计量经济学:np包》,J.Stat.Software,27,1-32 [14] 霍夫纳,B。;Mayr,A。;北芬斯克。;施密德,M.(2016) [15] Horowitz,J.L.,因变量未知变换回归模型的半参数估计,《计量经济学》,64,103-137,(1996)·Zbl 0861.62029号 ·doi:10.2307/2171926 [16] 霍霍恩,T.(2017a) [17] 霍霍恩,T.(2017b) [18] Hothorn,T.公司。;Kneib,T。;Bühlmann,P.,条件转换模型,J.R.Stat.Soc.Ser。B(Stat.Methodol.),76,3-27,(2014)·Zbl 1411.62100号 [19] Hothorn,T.公司。;莫斯特,L。;Bühlmann,P.(2017) [20] 琼斯,M.C。;Pewsey,A.,Sinh-arcsinh分布,Biometrika,96,761-780,(2009)·Zbl 1183.62019年6月 ·doi:10.1093/biomet/asp053 [21] 科珀伯格,C。;斯通,C.J。;Truong,Y.K.,《危害回归》,美国统计协会,90,78-94,(1995)·Zbl 0818.62097号 ·doi:10.1080/01621459.1995.10476491 [22] 莱奥拉托,S。;Peracchi,F.(2015) [23] Lindsey,J.K.,《一些统计异端》,J.R.Stat.Soc.Ser。D(统计学),48,1-40,(1999) [24] 马,J。;Heritier,S。;Lô,S.N.,关于具有右删失生存数据的比例风险模型的最大惩罚似然方法,Comput。统计数据分析。,74, 142-156, (2014) ·Zbl 1506.62121号 ·doi:10.1016/j.csda.2014.01.005 [25] 马利克,B.K。;Walker,S.,《包含脆弱性的贝叶斯半参数转换模型》,J.Stat.Plann。推断。,112159-174,(2003年)·Zbl 1032.62100号 ·doi:10.1016/S0378-3758(02)00330-0 [26] Mayr,A。;北芬斯克。;霍夫纳,B。;Kneib,T。;Schmid,M.,《高维数据的GAMLSS——基于提升的灵活方法》,J.R.Stat.Soc.Ser。C(应用统计),61,403-427,(2012) [27] 麦克莱恩,A.C。;Ghosh,S.K.,时间变换模型的有效筛分最大似然估计,J.Stat.Theor。实际。,7, 285-303, (2013) ·Zbl 1423.62123号 ·doi:10.1080/15598608.2013.772835 [28] R核心团队(2017) [29] Racine,J.S。;海菲尔德,T.(2014) [30] 罗特,C。;Wied,D.,一类条件分布模型中的错误规格测试,美国统计协会,108,314-324,(2013)·Zbl 06158345号 ·doi:10.1080/01621459.2012.736903 [31] 孙,Y。;Sundaram,R。;Zhao,Y.,通过局部局部似然对具有时间相关系数的Cox模型进行经验似然推断,Scand。J.统计。,36, 444-462, (2009) ·Zbl 1198.62138号 [32] 罗伊斯顿,P。;Parmar,M.K.B.,《截尾生存数据的灵活参数比例手和比例-剂量模型及其在预后建模和治疗效果评估中的应用》,Stat.Med.,21,2175-2197,(2002) [33] Stasinopoulos,D.M。;Rigby,R.A.,《R,J.Stat.Software中位置尺度和形状的广义加性模型(GAMLSS)》,23,1-46,(2007)·doi:10.18637/jss.v023.i07 [34] Thas,O。;Neve,J.D。;克莱门特,L。;Ottoy,J.-P.,概率指数模型,J.R.Stat.Soc.Ser。B(Stat.Methodol.),第74页,第623-671页,(2012年)·Zbl 1411.62120号 [35] Tutz,G.(2012) [36] 范德法特,A.W.(1998)·Zbl 0943.6202号 ·doi:10.1017/CBO978051180225 [37] 瓦拉丹·R(2015) [38] 吴,首席执行官。;Tian,X.,《纵向研究中使用时变变换模型的条件分布和等级跟踪概率的非参数估计》,美国统计协会,108,971-982,(2013)·Zbl 06224980号 ·doi:10.1080/016214519.2013.808949 [39] 曾博士。;Lin,D.Y.,《截尾数据下半参数回归模型的最大似然估计》,J.R.Stat.Soc.Ser。B(Stat.Methodol.),69,507-564,(2007)·Zbl 07555364号 [40] 曾博士。;林博士。;Yin,G.,具有随机效应的比例优势模型的最大似然估计,美国统计协会,100470-483,(2005)·Zbl 1117.62456号 ·doi:10.1198/0162145000001420 [41] 张,M。;Davidian,M.,任意删失时间到事件数据的平滑半参数回归分析,生物统计学,64,567-576,(2008)·Zbl 1137.62082号 [42] Alzaatreh,A。;Lee,C。;Famoye,F.,生成连续分布族的新方法,Metron,71,63-79,(2013)·Zbl 1302.62026号 ·doi:10.1007/s40300-013-0007-y [43] Aranda-Ordaz,F.J.,分组数据比例风险模型的扩展,生物统计学,39,109-117,(1983)·Zbl 0521.62089号 ·doi:10.2307/2530811 [44] Bickel,P.J。;克拉森,C.A.J。;亚亚科夫·里托夫;韦纳,J.A.(1993) [45] Box,G.E.P.公司。;Cox,D.R.,《转换分析》,J.R.Stat.Soc.Ser。B(Stat.Methodol.),第26页,第211-252页,(1964年)·Zbl 0156.40104号 [46] 蔡,T。;Cheng,S.C。;Wei,L.J.,集群失效时间数据的半参数混合效应模型,美国统计协会,514-522,(2002)·Zbl 1073.62569号 ·doi:10.1198/016214502760047041 [47] Cheng,S.C。;魏立杰。;Ying,Z.,用删失数据分析转换模型,Biometrika,82835-845,(1995)·Zbl 0861.62071号 ·doi:10.1093/biomet/82.4.835 [48] 切尔诺朱科夫,V。;弗南德斯·瓦尔,I。;Melly,B.,《反事实分布推断》,《计量经济学》,第81期,第2205-2268页,(2013年)·Zbl 1326.62223号 [49] Choi,S。;Huang,X.,非比例风险生存数据的一般类半参数变换脆弱性模型,生物统计学,681126-1135,(2012)·Zbl 1259.62016号 [50] Huang,A.,广义线性模型中平均值和误差分布的联合估计,美国统计协会,109186-196,(2014)·Zbl 1367.62227号 ·doi:10.1080/01621459.2013.824892 [51] 林惇,O。;Sperlich,S。;van K.,I.,半参数变换模型的估计,Ann.Stat.,36,686-718,(2008)·Zbl 1133.62029号 ·doi:10.1214/00905360000000848 [52] van de Geer,S.(2000年) [53] 林赛,J.K.(1996) 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。