×
郭凤；马伟；王磊

具有不可忽略缺失数据的copula模型的半参数估计。 （英语） Zbl 1435.62151号

J.非参数统计。 32，第1号，109-130（2020）.
摘要：本文研究了当数据具有不可忽略的非响应时参数copula模型的估计。我们认为倾向遵循一般的半参数模型，但响应变量和相关协变量的分布尚不明确。为了解决可识别性问题，我们使用了一个工具协变量，它与响应变量相关，但与给定响应变量和其他协变量的倾向无关。应用广义矩方法估计倾向中的参数。基于核辅助回归方法，构造了偏差修正的半参数估计方程，以提高估计效率。建立了估计量的一致性和渐近正态性。通过仿真研究了估计量的有限样本性能，并给出了估计量在HIV-CD4数据集上的应用。

引用于2文件

MSC公司：

62G10型 非参数假设检验
62小时05 多元概率分布的表征与结构理论；连接线
62D10号 缺少数据
第62页第10页 统计学在生物学和医学中的应用；元分析

关键词：

连接线；核辅助回归；可识别性；不是随机失踪；无响应仪表

软件：

全球气候变化监测
PDF格式BibTeX公司 XML格式引用
\textit｛F.Guo｝等人，《非参数统计》第32卷，第1期，第109-130页（2020年；Zbl 1435.62151）
全文： 内政部

参考文献：

[1] 艾，C。；林惇，O。；Zhang，Z.，具有不可忽略缺失数据的模型的一种简单有效的估计方法，统计研究（2018）
[2] 陈，X。；范，Y。；Tsyrennikov，V.，半参数多变量Copula模型的有效估计，美国统计协会杂志，1011228-1240（2006）·Zbl 1120.62312号 ·doi:10.1198/016214500000311
[3] 陈，X。；林顿，O.B。；Van Keilegom，I.，标准函数不光滑时半参数模型的估计，计量经济学，711591-1608（2003）·Zbl 1154.62325号 ·doi:10.1111/1468-0262.00461
[4] Chen，S.X。；Van Keilegom，I.，《缺失数据的半参数模型估计》，统计数学研究所年鉴，65，785-805（2013）·Zbl 1273.62083号 ·doi:10.1007/s10463-012-0393-6
[5] Cheng，G。；周，L。；陈，X。；Huang，J.Z.，双变量生存数据的半参数Copula模型的有效估计，多元分析杂志，123，330-344（2014）·Zbl 1278.62159号 ·doi:10.1016/j.jmva.2013.10.008
[6] 丁·W。；Song，P.X.K.，具有缺失数据的高斯Copula中的EM算法，计算统计学和数据分析，101，1-11（2016）·Zbl 1466.62056号 ·doi:10.1016/j.csda.2016.01.008
[7] Genest，C。；麦凯，J.，《Copulas的乐趣：带统一边缘的二元分布》，《美国统计学家》，第40期，第280-283页（1986年）
[8] Genest，C。；Rivest，L.P.，《双变量阿基米德-Copulas的统计推断程序》，《美国统计协会杂志》，88，1034-1043（1993）·Zbl 0785.62032号 ·doi:10.1080/016214519993.10476372
[9] 锤子，S.M。；Katzenstein，D.A。；医学博士休斯。；冈达克，H。；斯科利，R.T。；Haubrich，R.H。；亨利·W·K。；Lederman，M.M。；Phair，J.P。；牛，M。；赫希医学硕士。；Merigan，T.C.，《对CD4细胞计数从每立方毫米200到500个的艾滋病毒感染成人进行核苷单一治疗与联合治疗的比较试验》，《新英格兰医学杂志》，3351081-1090（1996）·doi:10.1056/NEJM199610103351501
[10] Hamori，S。；莫特基，K。；Zhang，Z.，随机缺失数据的半参数Copula模型的校准估计，多元分析杂志，173，85-109（2019）·Zbl 1422.62183号 ·doi:10.1016/j.jmv.2019.02.003
[11] Hansen，L.P.，广义矩估计方法的大样本性质，计量经济学，501029-1054（1982）·Zbl 0502.62098号 ·doi:10.2307/1912775
[12] 霍根，J.W。；Laird，N.M.，《基于模型的不完整纵向和失效时间数据分析方法》，《医学统计学》，第16期，第259-272页（1997年）·doi:10.1002/（SICI）1097-0258（19970215）16:3<259:：AID-SIM484>3.0.CO；2-S型
[13] Joe，H。；李，H。；Nikoloulopoulos，A.K.，尾依赖函数和藤蔓连合，多元分析杂志，101252-270（2010）·兹比尔1177.62072 ·doi:10.1016/j.jmva.2009.08.002
[14] Kim，G。；西尔瓦普勒，M.J。；Silvapulle，P.，估计Copula的半参数和参数方法的比较，计算统计和数据分析，51，2836-2850（2007）·Zbl 1161.62364号 ·doi:10.1016/j.csda.2006.10.009
[15] Kim，J.K。；Yu，C.L.，《不可忽略缺失数据下平均函数的半参数估计》，美国统计协会杂志，106，157-165（2011）·Zbl 1396.62032号 ·doi:10.1198/jasa.2011.tm10104
[16] Little，R.J.A。；鲁宾，D.B.，《缺失数据的统计分析》（2002），纽约：威利出版社，纽约·Zbl 1011.62004号
[17] Masarotto，G。；Varin，C.，高斯Copula边缘回归，电子统计杂志，61517-1549（2012）·兹比尔1336.62152 ·doi:10.1214/12-EJS721
[18] Molenberghs，G。；Kenward，M.，《临床研究中的缺失数据》（2007），英国奇切斯特：John Wiley and Sons
[19] Nelsen，R.B.，《Copulas简介》（2006），纽约：Springer，纽约·Zbl 1152.62030
[20] Noh，H。；古奇，A.E。；Van Keilegom，I.，《通过基于Copula的多元模型进行半参数条件分位数估计》，《商业与经济统计杂志》，33，167-178（2015）·doi:10.1080/073500015.2014.926171
[21] 哦，D.H。；Patton，A.J.，基于Copula的多元模型的矩估计模拟方法，美国统计协会杂志，108，689-700（2013）·Zbl 06195971号 ·doi:10.1080/01621459.2013.785952
[22] 秦，J。；Leung，D。；邵，J.，在不可忽视的无响应或信息抽样下用调查数据进行估计，美国统计协会杂志，97193-200（2002）·Zbl 1073.62513号 ·doi:10.1198/016214502753479338
[23] 邵，J。；Wang，L.，《不可忽视缺失数据的半参数逆倾向加权》，生物特征识别，103，175-187（2016）·Zbl 1452.62294号 ·doi:10.1093/biomet/asv071
[24] Sklar，M.，《RépartitionáN Dimensions Et Leurs Marges函数》，巴黎大学统计研究所出版物，第8229-231页（1959年）·Zbl 0100.14202号
[25] Wang，H。；Fazayeli，F。；Chatterjee，S。；Banerjee，A.，带缺失值的高斯Copula精度估计，人工智能与统计，33978-986（2014）
[26] 王，S。；邵，J。；Kim，J.K.，《不可忽略无响应的识别和估计的工具变量方法》，《中国统计》，第24期，第1097-1116页（2014年）·Zbl 06431822号
[27] 袁，Y。；Yin，G.，《利用不可忽视的缺失数据进行纵向研究的贝叶斯分位数回归》，生物统计学，66，105-114（2010）·Zbl 1187.62183号 ·文件编号：10.1111/j.1541-0420.2009.01269.x
[28] 赵，J。；Shao，J.，具有不可忽略缺失数据的广义线性模型中的半参数伪似然，美国统计协会杂志，110，1577-1590（2015）·Zbl 1373.62388号 ·doi:10.1080/01621459.2014.983234
[29] 赵，P。；Tang，N。；Qu，A。；蒋，D.，用不可忽略的缺失数据推断半参数估计方程，《统计学》，27，89-113（2017）·Zbl 1360.62165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。