×
马伟;王磊

带有不可忽略的缺失的平滑分位数回归。 （英语） Zbl 1493.62243号

分析。申请。，辛加普。 20，第5号，859-894（2022）.
摘要：本文采用基于经验似然（EL）方法的分位数回归（QR）的三阶段估计过程和统计推断方法，并考虑不可忽略的缺失。在第一阶段，我们考虑了一个关于响应丢失倾向的参数模型，并使用无响应工具处理参数可识别性问题。在第二阶段，利用估计的辍学倾向，应用逆概率加权和核平滑方法，构造不可忽视辍学的偏差修正和平滑广义估计方程。在第三阶段，借用二次推理函数的矩阵展开思想，我们得到了所提出的估计量，该估计量能够适应主题内的相关性，同时提高了估计效率。导出了QR系数的一类改进估计及其置信域。进一步，研究了惩罚EL方法和变量选择算法。文中还对HIV-CD4数据集进行了仿真研究，并给出了一个实际算例，以验证所提估计量的性能。

MSC公司：

6220国集团 非参数推理的渐近性质
62G05型 非参数估计

关键词：

逆概率加权;不是随机失踪;无响应仪表;二次推理函数;平滑经验似然;变量选择
PDF格式BibTeX公司 XML格式引用
\textit{W.Ma}和\textit{L.Wang}，Ana。申请。，辛加普。20，编号5，859-894（2022；兹bl 1493.62243）
全文： 内政部

参考文献：

[1] Chen，J.和Chen，Z.，大样本空间模型选择的扩展贝叶斯信息准则，Biometrika95（2008）759-771·Zbl 1437.62415号
[2] Cho，H.，Hong，H.G.和Kim，M.O.，《辍学纵向数据的有效分位数边际回归》，《生物统计》17（2016）561-575。
[3] Cho，H.和Qu，A.，通过结合大尺寸力矩条件对纵向数据进行有效估计，Electron。J.Stat.9（2015）1315-1334·Zbl 1327.62370号
[4] Fan，J.和Li，R.，通过非冲突惩罚似然及其预言属性进行变量选择，J.Amer。统计师。协会96（2001）1348-1360·兹比尔1073.62547
[5] Fang，F.和Shao，J.，不可忽视的无反应模型选择，《生物统计学》103（2016）861-874。
[6] Farcomeni，A.，基于潜在马尔可夫主题特定参数的纵向数据分位数回归，《统计计算》22（2012）141-152·Zbl 1322.62206号
[7] Fu，L.和Wang，Y.，使用工作相关模型对纵向数据进行分位数回归，计算。统计师。数据分析56（2012）2526-2538·Zbl 1252.62046号
[8] Geraci，M.和Bottai，M.，使用不对称拉普拉斯分布对纵向数据进行分位数回归，生物统计8（2007）140-154·Zbl 1170.62380号
[9] Ghasemzadeh，S.、Ganjali，M.和Baghfalaki，T.，贝叶斯分位数回归，用于分析不可忽视缺失情况下的顺序纵向响应，Metron76（2018）321-348·Zbl 1427.62029
[10] Hansen，L.P.，广义矩估计方法的大样本性质，《计量经济学》50（1982）1029-1054·Zbl 0502.62098号
[11] Huang，J.，Liu，L.和Liu，N.，用基函数近似估计纵向数据的大协方差矩阵，J.Compute。图表。统计16（2007）189-209。
[12] Kim，J.K.和Yu，C.L.，具有不可忽略缺失数据的平均泛函的半参数估计，J.Amer。统计师。协会106（2011）157-165·Zbl 1396.62032号
[13] Koenker，R.，《纵向数据的分位数回归》，《多元分析杂志》91（2004）74-89·Zbl 1051.62059号
[14] Koenker，R.，《分位数回归》（剑桥大学出版社，剑桥，2005年）·Zbl 1111.62037号
[15] Koenker，R.和Bassett，J.G.，《回归分位数》，《计量经济学》46（1978）33-50·Zbl 0373.62038号
[16] Leng，C.和Zhang，W.，《纵向数据分位数回归中的平滑组合估计方程》，《统计计算》24（2014）123-136·Zbl 1325.62141号
[17] Liang，K.和Zeger，S.，使用广义线性模型的纵向数据分析，Biometrika73（1986）13-22·兹比尔0595.62110
[18] Little，R.J.A.和Rubin，D.B.，《缺失数据的统计分析》，第2版。（威利，纽约，2002年）·Zbl 1011.62004号
[19] Liu，M.，Daniels，M.J.和Perri，M.G.，存在单调缺失的分位数回归与敏感性分析，生物统计17（2016）108-121。
[20] Lv，J.，Guo，C.，Yang，H.和Li，Y.，使用纵向数据进行复合分位数回归协方差建模的移动平均Cholesky因子模型，计算。统计师。数据分析112（2017）129-144·Zbl 1464.62124号
[21] Lv，X.和Li，R.，带辅助信息的分位数回归参数的平滑经验似然置信区间，Statist。方法15（2013）46-54·Zbl 1486.62117号
[22] Miao，W.和Tchetgen，E.J.，用不可忽视的缺失协变量数据进行识别和推断，统计学。Sinica28（2018）2049-267·Zbl 1406.62018年
[23] Molenberghs，G.和Kenward，M.，《临床研究中缺失的数据》（John Wiley and Sons，2007）。
[24] Otsu，T.，《分位数回归模型的条件经验似然估计和推断》，J.Econom.142（2008）508-538·Zbl 1418.62165号
[25] Owen，A.，《经验似然置信区间》，《统计年鉴》18（1990）90-120·Zbl 0712.62040号
[26] Qin，J.和Lawless，J.，经验似然和一般估计方程，《统计年鉴》22（1994）300-325·Zbl 0799.62049号
[27] Qu，A.、Lindsay，B.G.和Li，B.，使用二次推理函数改进广义估计方程，Biometrika87（2000）823-836·Zbl 1028.62045号
[28] Rao，J.N.K.和Scott，A.J.《复杂样本调查的分类数据分析：双向表中拟合优度和独立性的卡方检验》，J.Amer。统计师。协会76（1981）221-230·Zbl 0473.62010号
[29] Robins，J.M.，Rotnitzky，A.和Zhao，L.，当一些回归变量不总是被观测时回归系数的估计，J.Amer。统计师。协会89（1994）846-866·Zbl 0815.62043号
[30] Schwarz，G.，估算模型的维数，《统计年鉴》6（1978）461-464·Zbl 0379.62005年
[31] Shao，J.和Wang，L.，不可忽视缺失数据的半参数逆倾向加权，生物统计学103（2016）175-187·Zbl 1452.62294号
[32] Wang，H.，Li，B.和Leng，C.，参数发散数量的收缩率调谐参数选择，J.R.Stat.Soc.Ser。B Stat.Methodol.71（2009）671-683·Zbl 1250.62036号
[33] Wang，L.和Ma，W.，具有纵向不可忽略辍学的广义线性模型的改进经验似然推理和变量选择，Ann.Inst.Statist。数学73（2020）623-647·Zbl 1469.62313号
[34] Wang，L.，Qi，C.和Shao，J.，具有不可忽视辍学的纵向数据的模型辅助回归估计量，《国际统计》第87版（2019年）S121-S138·Zbl 07767683号
[35] Wang，S.，Shao，J.和Kim，J.K.，《不可忽视的无响应识别和估计的工具变量方法》，统计学家。Sinica24（2014）1097-1116·Zbl 06431822号
[36] Wang，H.和Zhu，Z.，纵向数据分位数回归模型的经验似然，J.Statist。计划。推理141（2011）1603-1615·Zbl 1204.62072号
[37] Whang，Y.J.，分位数回归模型的平滑经验似然方法，《计量经济学》22（2006）173-205·Zbl 1138.62017号
[38] Yuan，Y.和Yin，G.，《使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（2010）105-114·兹比尔1187.62183
[39] Zhang，T.和Wang，L.，针对具有不可忽视缺失响应的分位数回归的平滑经验似然推断和变量选择，将出现在Compute中。统计师。数据分析。(2020), https://doi.org/10.1016/j.csda.2019.106888。 ·Zbl 1504.62059号
[40] 邹浩、袁明，复合分位数回归与预言模型选择理论，《统计学》36（2008）1108-1126·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。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。