×
埃琳娜·卡斯蒂利亚;阿比克·戈什;尼利安·马丁;莱安德罗·帕尔多

具有复杂调查设计的多元logistic回归的稳健半参数推断。 （英语） Zbl 07433035号

高级数据分析。分类。，ADAC公司 15，第3号，701-734（2021）.
摘要：分析复杂调查方案（如分层或集群抽样）的多模响应在一些社会经济学应用中非常重要。对于具有如此复杂调查的多元logistic回归模型，我们给出了一类最小拟加权密度幂散度估计。这类半参数估计量是最大拟加权似然估计量的稳健推广，利用了流行的密度幂散度测度的优点。相应地，还导出了设计效果的稳健估计。利用新的估计量，对回归系数的一般线性假设进行了稳健检验。对它们的渐近分布和鲁棒性进行了理论研究，并通过数值示例和广泛的蒙特卡罗研究进行了实证验证。

引用于1文件

MSC公司：

62J05型 线性回归；混合模型
2012年12月62日 参数估计量的渐近性质
62层35 鲁棒性和自适应程序（参数推断）
62H15型 多元分析中的假设检验
62英尺10英寸 点估计

关键词：

集群抽样;设计效果;最小拟加权DPD估计量;多元逻辑回归模型;伪最小phi估计量;准相似性;稳健性

软件：

SAS公司;R（右）
PDF格式BibTeX公司 XML格式引用
\textit{E.Castilla}等人，高级数据分析。分类。，ADAC 15，编号3，701--734（2021；Zbl 07433035）
全文： 内政部 arXiv公司 链接

参考文献：

[1] Agresti，A.，分类数据分析（2002），霍博肯：威利，霍博克·Zbl 1018.6202号 ·数字标识代码：10.1002/0471249688
[2] 阿隆索·雷文加，JM；马汀，n。；Pardo，L.，《聚类多项式数据和不等聚类大小模型中过度分散的新改进估计量》，《统计计算》，27，193-217（2017）·Zbl 1505.62023号 ·doi:10.1007/s11222-015-9616-z
[3] 巴苏，A。；哈里斯，IR；荷兰霍尔特；Jones，MC，通过最小化密度功率发散进行稳健和有效估计，Biometrika，85，549-559（1998）·Zbl 0926.62021号 ·doi:10.1093/biomet/85.3549
[4] 巴苏，A。；Shioya，H。；Park，C.，《统计推断：最小距离法》（2011年），博卡拉顿：查普曼和霍尔/CRC，博卡拉通·兹比尔1281.62016 ·doi:10.1201/b10956
[5] 巴苏，A。；Ghosh，A。；曼达尔，N.马丁；Pardo，L.，基于最小密度幂散度估计的逻辑回归模型中检验线性假设的Wald型检验统计量，Electron J Stat，11，2741-2772（2017）·Zbl 1366.62052号 ·doi:10.1214/17-EJS1295
[6] 巴苏，A。；Ghosh，A。；N.马丁。；Pardo，L.，基于最小密度功率发散估计器的非齐次观测的鲁棒Wald型检验，Metrika，81493-522（2018）·Zbl 1402.62051号 ·doi:10.1007/s00184-018-0653-4
[7] Beaumont JF，Rivest LP（2009）《处理调查数据中的异常值》，第11章。收录：《Rao（ed）统计手册》，第29卷，A部分。爱思唯尔
[8] JF博蒙特；哈齐扎，D。；Ruiz-Gazen，A.，有限总体抽样中稳健估计的统一方法，Biometrika，100555-569（2013）·Zbl 1382.62002年 ·doi:10.1093/biomet/ast010
[9] Beran，R.，参数模型的最小Hellinger距离估计，Ann Stat，5445-463（1977）·Zbl 0381.62028号
[10] Bianco，AM；Martinez，E.，《逻辑回归模型中的稳健测试》，《计算统计数据分析》，534095-4105（2009）·Zbl 1454.62016年 ·doi:10.1016/j.csda.2009.04.015
[11] Bianco AM，Yohai VJ（1996），逻辑回归模型中的稳健估计。收录于：稳健统计、数据分析和计算机密集型方法（Schloss Thurnau，1994），统计学课堂讲稿第109卷。纽约州施普林格，第17-34页·Zbl 0839.62030号
[12] Binder，DA，《关于复杂调查中渐近正态估计量的方差》，《国际统计评论》，51，279-292（1983）·Zbl 0535.62014号 ·doi:10.2307/1402588
[13] Bondell，HD，有偏抽样模型的特征函数方法，及其在稳健逻辑回归中的应用，J Stat Plan Inference，138742-755（2008）·Zbl 1133.62020年 ·doi:10.1016/j.jspi.2007.01.004
[14] 卡斯蒂利亚，E。；N.马丁。；Pardo，L.，《复杂样本设计下多项式logistic回归的最小phi-dievergence估计量》，《高级统计分析》，102，381-411（2018）·Zbl 1421.62095号 ·doi:10.1007/s10182-017-0311-6
[15] 卡斯蒂利亚，E。；Ghosh，A。；N.马丁。；Pardo，L.，《多元logistic回归模型的新稳健统计程序》，生物统计学，741282-1291（2019）·doi:10.111/生物.12890
[16] Chambers，RL，《异常稳健有限总体估计》，美国统计协会，81，1063-1069（1986）·Zbl 0608.62010 ·doi:10.1080/01621459.1986.10478374
[17] 克罗克斯，C。；Haesbroeck，G.，为逻辑回归实现Bianco和Yohai估计，《计算统计数据分析》，44，273-295（2003）·Zbl 1429.62317号 ·doi:10.1016/S0167-9473（03）00042-2
[18] 统计局（DOS）和ICF（2019）《2017-18年约旦人口、家庭和健康调查》。约旦安曼和美国马里兰州罗克维尔：DOS和ICF。https://dhsprogram.com/publications/publication-fr346-dhs-final-reports.cfm。2020年11月20日访问
[19] Ghosh，A。；Basu，A.，使用密度幂散度对独立非均匀观测值进行稳健估计，并应用于线性回归，Electron J Stat，72420-2456（2013）·Zbl 1349.62087号 ·doi:10.1214/13-EJS847
[20] Ghosh，A。；Basu，A.，《非齐次数据的稳健估计和最佳调谐参数的选择：密度功率发散法》，《应用统计杂志》，422056-2072（2015）·兹比尔1514.62584 ·doi:10.1080/02664763.2015.1016901
[21] Ghosh，A。；Basu，A.，广义线性模型中的稳健估计：密度幂散度方法，TEST，25269-290（2016）·Zbl 1342.62126号 ·doi:10.1007/s11749-015-0445-3
[22] Ghosh，A。；Basu，A.，独立但非均匀观测的稳健有界影响检验，Stat Sin，281133-1155（2018）·Zbl 1394.62098号
[23] 阿拉斯加州古普塔；Kasturiratna，D。；Nguyen，T。；Pardo，L.，基于密度幂散度测度的多峰logistic回归模型的BAN估计新族，Stat Methods Appl，15，159-176（2006）·Zbl 1157.62415号 ·doi:10.1007/s10260-006-0008-6
[24] 阿拉斯加州古普塔；Nguyen，T。；Pardo，L.，基于密度幂差检验统计的多峰logistic回归模型残差，统计学，42，495-514（2008）·Zbl 1274.62382号 ·doi:10.1080/02331880701819345
[25] 法国汉佩尔；Ronchetti，E。；罗素，PJ；Stahel，W.，《稳健统计：基于影响函数的方法》（1986），纽约：威利出版社，纽约·Zbl 0593.62027号
[26] 吉梅内斯，R。；Shao，Y.，关于最小方差估计的稳健性和有效性，Test，10224-248（2001）·Zbl 1014.62019年 ·doi:10.1007/BF02595695
[27] Johnson，W.，《逻辑回归的影响度量：另一个观点》，《生物计量学》，72，59-65（1985）·doi:10.1093/biomet/72.1.59
[28] Lesaffre，E。；Albert，A.，多组逻辑回归诊断，Appl Stat，38425-440（1989）·Zbl 0707.62151号 ·doi:10.2307/2347731
[29] Lindsay，BG，《效率与稳健性：最小Hellinger距离和相关方法的案例》，Ann Stat，221081-1114（1994）·Zbl 0807.62030 ·doi:10.1214/aos/1176325512
[30] McCullagh，P.，普通数据的回归模型，J R Stat Soc Ser B，42，109-142（1980）·Zbl 0483.62056号
[31] Morel，G.，复杂调查设计下的Logistic回归，Surv Methodol，15203-223（1989）
[32] 莫雷尔，JG；Koehler，KJ，用于建模具有外部变化的分类数据的一步高斯-牛顿估计器，J R Stat Soc Ser C，44187-200（1995）·Zbl 0821.62083号
[33] 莫雷尔，G。；Neerchal，NK，《SAS中的过度分散模型》（2012年），卡里：SAS研究所，卡里
[34] Pardo，L.，基于散度测度的统计推断。统计：电子图书和专著（2005），纽约：查普曼和霍尔/CRC，纽约
[35] Raim AM、Neerchal NK、Morel JG（2015）《R技术报告HPCI-2015-1 UMBCH高性能计算设施中的过度分散建模》，马里兰州大学巴尔的摩分校
[36] 罗伯茨，G。；Rao，JNK；Kumer，S.，抽样调查数据的Logistic回归分析，Biometrika，74，1-12（1987）·Zbl 0625.62007号 ·doi:10.1093/biomet/74.1.1
[37] 罗素，PJ；Christmann，A.，《逻辑回归中对分离和离群值的稳健性》，《计算统计数据分析》，43，315-332（2003）·Zbl 1429.62325号 ·doi:10.1016/S0167-9473（02）00304-3
[38] Tambay JL（1988）《处理次年度经济调查中异常值的综合方法》。收录：调查研究方法部分的会议记录。美国统计协会，第229-234页
[39] Toma，A.，《一些多元模型的最小Hellinger距离估计：影响函数和崩溃点结果》，C R Math，345，353-358（2007）·Zbl 1121.62056号 ·doi:10.1016/j.crma.2007.07.024
[40] 沃里克，J。；Jones，MC，《选择鲁棒性调整参数》，J Stat Comput Simul，75581-588（2005）·Zbl 1115.62317号 ·doi:10.1080/00949650412331299120
[41] Wedderburn，RWM，拟似然函数，广义线性模型和Gauss-Newton方法，Biometrika，61439-447（1974）·Zbl 0292.62050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。