蔡、李;王索金 缺失协变量的非参数回归中方差函数的口头有效全局推断。 (英语) Zbl 07688211号 统计正弦。 33,编号1,281-302(2023). 摘要:当协变量随机缺失时,我们提出了一种新的偏差校正样条核估计量和一个平滑同时置信带(SCB),作为非参数回归中条件方差函数的全局推断工具。为了适应协变量的可能缺失,我们采用Horvitz-Thompson型加权样条平滑来拟合非参数回归函数。基于平方残差,然后应用加权核方法估计方差函数。将样条平滑和核回归综合在一个估计量中,利用了样条回归的快速计算速度,以及核平滑的灵活局部估计和容易的SCB构造。当平均函数和选择概率为“预言机”所知时,所提出的估计量与理想估计量一样有效,我们使用“预言机“来建立方差函数的渐近正确SCB。我们的经验有限样本研究结果支持我们的渐近理论。对加拿大2010/2011年青年学生调查数据集的应用说明了拟议技术的实用性。 MSC公司: 62至XX 统计 关键词:B样条回归;局部线性回归;随机失踪;oracle效率;同时置信带 PDF格式BibTeX公司 XML格式引用 \textit{L.Cai}和\textit{S.Wang},Stat.Sin。33,编号1,281--302(2023;Zbl 07688211) 全文: 内政部 参考文献: [1] Agarwal,S.、Bhalla,P.、Kaur,S.和Babbar,R.(2013)。体重指数对医学一年级学生身体自我概念、认知和学业成绩的影响。《印度医学研究杂志》138,515-522。 [2] Al Ahmari,T.、Alomar,A.、Al Beeybe,J.、Asiri,N.、Al Ajaji,R.、Al Masoud,R.等人(2019)。沙特大学生女性自尊与体重指数和身体形象的关系。饮食和体重障碍——厌食症、贪食症和肥胖的研究24,1199-1207。 [3] Al-Sharadqah,A.和Mojirsheibani,M.(2019年)。构造不完全数据回归函数置信带的简单方法。AStA统计分析进展104,81-99·Zbl 1437.62244号 [4] Brown,L.和Levine M.(2007)。非参数回归中的差异序列估计方法。《统计年鉴》35,2219-2232·Zbl 1126.62024号 [5] Cai,L.,Gu,L.、Wang,Q.和Wang,S.(2021)。缺失协变量数据的非参数回归的同时置信带。《统计数学研究所年鉴》73,1249-1279·Zbl 1493.62200号 [6] Cai,L.和Yang,L.(2015)。条件方差函数的平滑同时置信带。测试24632-655·Zbl 1327.62194号 [7] Cai,T.、Low,M.和Ma,Z.(2014)。非参数回归函数的自适应置信带。美国统计协会杂志109,1054-1070·Zbl 1368.62093号 [8] Cai,T.和Wang,L.(2008)。异方差非参数回归中的自适应方差函数估计。统计年鉴36,2025-2054·Zbl 1148.62021号 [9] Cao,G.、Yang,L.和Todem,D.(2012)。基于稠密函数数据的均值函数同步推断。非参数统计杂志24,359-377·Zbl 1241.62119号 [10] Chen,J.和Shao,J.(2001)。最近邻插补的刀切方差估计。《美国统计协会杂志》96,260-269·Zbl 1014.62008年 [11] de Boor,C.(2001年)。花键实用指南。纽约州施普林格·Zbl 0987.65015号 [12] Degras,D.(2011年)。函数数据非参数回归的同时置信带。《中国统计》第21期,1735-1765年·Zbl 1225.62052号 [13] Fan,J.和Gijbels,I.(1996年)。局部多项式建模及其应用。纽约州劳特利奇·Zbl 0873.62037号 [14] Fan,J.和Yao,Q.(1998)。随机回归中条件方差函数的有效估计。生物特征85,645-660·Zbl 0918.62065号 [15] Gu,L.和Yang,L.(2015)。同时置信带的单指标链路函数的口头有效估计。《电子统计杂志》9,1540-1561·Zbl 1327.62254号 [16] Hall,P.和Carroll,R.J.(1989)。回归中的方差函数估计:估计平均值的效果。英国皇家统计学会期刊B辑(方法学)51,3-14·Zbl 0672.62053号 [17] Härdle,W.(1989)。M-平滑器的渐近最大偏差。《多元分析杂志》29,163-179·Zbl 0667.62028号 [18] Horvitz,D.G.和Thompson,D.J.(1952年)。从有限宇宙中不替换抽样的推广。《美国统计协会杂志》47,663-685·Zbl 0047.38301号 [19] Hosmer,D.和Lemeshow,S.(2005年)。应用Logistic回归。第2版。John Wiley&Sons,纽约。 [20] Liang,H.、Wang,S.和Carroll,R.J.(2007)。具有缺失响应变量和易出错协变量的部分线性模型。生物特征94185-198·Zbl 1223.62046号 [21] Liang,H.、Wang,S.、Robins,J.和Carroll,R.J.(2004)。缺失协变量的部分线性模型中的估计。《美国统计协会杂志》99,357-367·Zbl 1117.62385号 [22] Ma,S.、Yang,L.和Carroll,R.J.(2012年)。稀疏纵向回归的同时置信带。中国统计局22,95-122·兹比尔1417.62088 [23] 孟欣(2000)。缺少数据:为???拨M???。《美国统计协会杂志》95,1325-1330·Zbl 1180.62012年 [24] Müller,H.G.和Stadtmüller,U.(1987)。回归分析中异方差的估计。统计年鉴15,610-625·兹比尔0632.62040 [25] 穆勒,H.G.和斯塔特穆勒,U.(1993)。二次型方差函数估计。《统计规划与推断杂志》35,213-231·Zbl 0769.62029号 [26] Pérez-González,A.、Vilar-Fernández,J.M.和Gonzáles-Manteiga,W.(2010)。缺失数据的非参数方差函数估计。多元分析杂志101,1123-1142·Zbl 1185.62079号 [27] Ruppert,D.、Wand,M.P.、Holst,U.和Hössjer,O.(1997)。局部多项式方差函数估计。技术计量39,262-273·Zbl 0891.62029号 [28] Särndal,C.-E.和Lundström,S.(2005)。无响应调查中的估算。奇切斯特约翰·威利父子公司·Zbl 1079.62012号 [29] Silverman,B.(1998)。统计和数据分析的密度估计。纽约州劳特利奇。 [30] Song,Q.和Yang,L.(2009)。方差函数的样条置信带。《非参数统计杂志》21,589-609·Zbl 1165.62317号 [31] Sun,Z.和Wang,S.(2019年)。使用单指数模型的缺失协变量回归中的半参数估计。统计数学研究所年鉴71,1201-1232·兹比尔1433.62180 [32] Wang,J.,Cao,G.,Wang,L.和Yang,L..(2020年)。稠密函数数据平稳协方差函数的同时置信带。《多变量分析杂志》176104584·Zbl 1437.62705号 [33] Wang,J.,Liu,R.,Cheng,F.和Yang,L.(2014)。具有同时置信带的自回归误差分布的口头有效估计。《统计年鉴》42,654-668·Zbl 1308.6206号 [34] Wang,J.和Yang,L.(2009)。回归曲线的多项式样条置信带。《中国统计》19325-342·Zbl 1225.62055号 [35] Wang,L.,Brown,L.、Cai,T.和Levine,M.(2008)。非参数回归中均值对方差函数估计的影响。《统计年鉴》36,646-664·Zbl 1133.62033号 [36] Xia,Y.(1998)。非参数回归中的偏差校正置信带。英国皇家统计学会期刊B辑(统计方法)60,797-811·Zbl 0909.62043号 [37] Yao,F.、Müller,H.和Wang,J.(2005年)。稀疏纵向数据的功能数据分析。《美国统计协会杂志》100,577-590·Zbl 1117.62451号 [38] Yu,K.和Jones,M.(2004)。基于似然的条件方差函数局部线性估计。《美国统计协会杂志》99,139-144·Zbl 1089.62507号 [39] 张杰(2013)。功能数据的方差分析。查普曼和霍尔,伦敦。 [40] Zhao,W.和Wu,W.(2008)。非参数时间序列回归的置信带。《统计年鉴》36,1854-1878·Zbl 1142.62346号 [41] Zheng,S.、Liu,R.、Yang,L.和Härdle,W.(2016)。广义可加模型的统计推断:同时置信走廊和变量选择。测试25607-626·Zbl 1422.62155号 [42] Ziegelmann,F.A.(2002年)。波动率函数的非参数估计:局部经验估计。计量经济学理论18,985-991·Zbl 1109.62358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。