×
Ioannis卡拉戈里迪斯;格尔达·克莱斯肯斯;范·艾尔斯特·斯特凡

非参数广义线性模型的稳健有效估计。 （英语） Zbl 07776689号

测试 32，第3号，1055-1078（2023）.
摘要：广义线性模型是分析不同数据集的灵活工具，但经典公式要求正确指定参数分量，数据不包含非典型观测值。为了解决这些缺点，我们引入并研究了一类非参数全秩和低秩样条估计，它们是由惩罚密度幂散度最小化而产生的。所提出的估计类易于实现，对异常观测提供了高保护，并且在干净数据的情况下可以调整为任意高效。我们表明，在较弱的假设下，这些估计以较快的速度收敛，并通过仿真研究和两个实际数据示例说明了它们的高度竞争性能。

理学硕士：

62G08号 非参数回归和分位数回归
62兰特 度量空间统计
62G35型 非参数稳健性

关键词：

广义线性模型;稳健性;缺陷样条曲线;再生核希尔伯特空间;渐近线

软件：

全球供应链;ElemStatLearn（电子状态学习）;鲁棒基地;RobStatTM公司;半标准杆
PDF格式BibTeX公司 XML格式引用
\textit{I.Kalogridis}等人，试验32，编号3，1055--1078（2023；Zbl 07776689）
全文： 内政部 arXiv公司

参考文献：

[1] 埃伯哈德，WH；坎托尼，E。；马拉，G。；Radie，R.，位置、规模和形状广义加性模型的稳健拟合，统计计算，31，1-16（2021）·Zbl 1461.62008年
[2] 阿扎德，A。；Salibian-Barrera，M.，《应用于疾病暴发检测的广义加性模型的离群回归拟合》，美国统计协会杂志，106，719-731（2011）·Zbl 1232.62142号
[3] 巴萨克，S。；巴苏，A。；Jones，MC，关于最佳密度功率发散调谐参数，应用统计杂志，48，536-556（2021）·Zbl 1521.62257号
[4] 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
[5] Bianco，AM；Boente，G。；Sombielle，S.，非参数广义回归的稳健估计，统计Probab-Lett，811986-1994（2011）·Zbl 1225.62048号
[6] Boente，G。；鲁伊斯，M。；Zamar，R.，关于异方差非参数回归中尺度函数的鲁棒局部估计，Statistics Probab Lett，801185-1195（2010）·Zbl 1190.62081号
[7] 坎通尼，E。；Ronchetti，E.，平滑样条曲线平滑参数的阻力选择，统计计算，11，141-146（2001）
[8] 坎通尼，E。；Ronchetti，E.，广义线性模型的稳健推断，美国统计协会，961022-1030（2001）·Zbl 1072.62610号
[9] Claeskens，G。；Hjort，NL，模型选择和模型平均（2008），剑桥：剑桥大学出版社，剑桥·Zbl 1166.62001号
[10] Claeskens，G。；Krivobokova，T。；Opsomer，JD，惩罚样条估计量的渐近性质，生物特征，96529-544（2009）·Zbl 1170.62031号
[11] 克利夫兰，WS，《稳健局部加权回归与平滑散点图》，美国统计协会杂志，74829-836（1979）·Zbl 0423.62029号
[12] 克罗克斯，C。；Gijbels，I。；Prosdocimi，I.，扩展广义加性模型中均值和离散函数的鲁棒估计，生物计量学，68，31-44（2012）·Zbl 1241.62108号
[13] 考克斯，DD；O'Sullivan，F.，惩罚可能性和相关估计的渐近分析，《Ann Statistics》，第18期，1676-1695页（1990年）·Zbl 0719.62051号
[14] de Boor，C.，《样条曲线实用指南》（2001），纽约：Springer，纽约·Zbl 0987.65015号
[15] 艾格蒙特，PPB；LaRiccia，VN，最大惩罚似然估计（2009），纽约：Springer，纽约·Zbl 1184.62063号
[16] 埃勒斯，PHC；Marx，BD，使用B样条和惩罚的灵活平滑，《统计科学》，第11期，第89-102页（1996年）·Zbl 0955.62562号
[17] Eubank，RL，非参数回归和样条曲线平滑（1999），纽约：CRC出版社，纽约·Zbl 0936.62044号
[18] 范，J。；Li，R.，《基于非一致惩罚似然的变量选择及其预言属性》，美国统计协会，96，1348-1360（2001）·Zbl 1073.62547号
[19] 吉门，IR；鲁伊斯，M。；Zamar，R.，非参数回归模型中误差尺度的稳健估计，《统计计划推断杂志》，1383200-3216（2008）·Zbl 1140.62030号
[20] Ghosh，A。；Basu，A.，使用密度幂散度对独立非均匀观测进行稳健估计，并应用于线性回归，Electron J Statistics，72420-2456（2013）·Zbl 1349.62087号
[21] Ghosh，A。；Basu，A.，《非齐次数据的稳健估计和最佳调谐参数的选择：密度幂散度法》，《应用统计学杂志》，422056-2072（2015）·Zbl 1514.62584号
[22] 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
[23] 绿色，PJ；Silverman，BW，非参数回归和广义线性模型（1994），伦敦：查普曼和霍尔出版社，伦敦·兹比尔0832.62032
[24] Gu，C.，平滑样条方差分析模型（2013），纽约：Springer，纽约·兹比尔1269.62040
[25] 法国汉佩尔；EM Ronchetti；罗素，PJ；华盛顿州斯塔尔，《稳健统计：基于影响函数的方法》（2011年），纽约：威利·Zbl 0593.62027号
[26] 哈斯蒂，TJ；Tibshirani，RJ，广义加性模型（1990），萨福克：查普曼和霍尔·Zbl 0747.62061号
[27] 哈斯蒂，TJ；RJ Tibshirani；Friedman，J.，《统计学习的要素：数据挖掘、推理和预测》（2009），纽约：施普林格出版社，纽约·Zbl 1273.62005年
[28] PJ Huber；EM Ronchetti，《稳健统计》（2009），新泽西州霍博肯：新泽西州威利·Zbl 1276.62022号
[29] Kalogridis，I.，带非光滑目标函数的M型光滑样条的渐近性，TEST，31373-389（2021）·Zbl 1492.62077号
[30] 卡拉戈里迪斯，I。；Van Aelst，S.，带差异惩罚的稳健惩罚样条估计，计量经济学与统计学（2021）·Zbl 1460.62052号 ·doi:10.1016/j.ecosta.2021.07.005
[31] 考尔曼，G。；Krivobokova，T。；Fahrmeir，L.，广义惩罚样条平滑的一些渐近结果，J R Stat Soc Ser B统计方法，71，487-503（2009）·Zbl 1248.62055号
[32] Kim，Y-J；Gu，C.，《平滑样条高斯回归：通过有效近似实现更具可伸缩性的计算》，J R Stat Soc Ser B Statistical Methodol，66，337-356（2004）·Zbl 1062.62067号
[33] Mammen，E。；van de Geer，S.，部分线性模型中的惩罚拟似然估计，《统计年鉴》，251014-1035（1997）·Zbl 0906.62033号
[34] 玛丽娜，RA；马丁·D·。；Salibián-Barrera，医学博士。；尤海，VJ，《稳健统计：理论和方法》（2019年），奇切斯特：威利·Zbl 1409.62009号
[35] McCullagh，P。；Nelder，JA，广义线性模型（1983），伦敦：Chapman&Hall，伦敦·Zbl 0588.62104号
[36] O'Sullivan，F.，《不适定问题的统计观点》，《统计科学》，1502-518（1986）·Zbl 0625.62110号
[37] 新泽西州皮尔斯；Wand，MP，《惩罚样条和再生核方法》，美国统计学家，60，233-240（2006）
[38] Ruppert博士。；魔杖，MP；卡罗尔，RJ，半参数回归（2003），剑桥：剑桥大学出版社，剑桥·Zbl 1038.62042号
[39] Scott，DW，最小综合平方误差参数统计建模，技术计量学，43，274-285（2001）
[40] van de Geer，S.，《M估计的经验过程》（2000），纽约：剑桥大学出版社，纽约·Zbl 1179.62073号
[41] van der Vaart，AW，《渐近统计》（1998），纽约：剑桥大学出版社，纽约·Zbl 0910.62001号
[42] Wahba，G.，观测数据的样条模型（1990），费城，彭：SIAM，费城·Zbl 0813.62001号
[43] 王，X。；姜瑜。；黄，M。；Zhang，H.，带指数平方损失的稳健变量选择，美国统计协会，108，632-643（2013）·Zbl 06195966号
[44] Wong，RKW；姚，F。；Lee，TCM，广义加性模型的鲁棒估计，计算图统计学杂志，23270-289（2014）
[45] 沃里克，J。；Jones，MC，《选择鲁棒性调整参数》，《统计计算模拟杂志》，75，581-588（2005）·Zbl 1115.62317号
[46] Wood，SN，广义加性模型（2017），佛罗里达州博卡拉顿：CRC出版社，佛罗里达州波卡拉顿·Zbl 1368.62004号
[47] Xiao，L.，惩罚样条的渐近理论，电子统计杂志，13，747-794（2019）·Zbl 1418.62176号
[48] 邹，H。；袁，M.，复合分位数回归与预言模型选择理论，《统计年鉴》，361108-1126（2008）·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。