统计及其接口
第14卷(2021年)
编号2
基于重尾分布的部分线性删失回归模型的估计与诊断
页:165 – 182
内政部:https://dx.doi.org/10.4310/20-SII624
作者
Marcela Nuñez Lemus(巴西SP Cidade Universityária Estatística教育部、坎皮纳斯教育大学)
Victor H.Lachos(美国康涅狄格州斯托斯市康涅狄克大学统计系)
Christian E.Galarza(厄瓜多尔瓜亚基尔高等理工学院自然科学与技术学院)
拉里萨·马托斯(巴西圣马力诺州立大学坎皮纳斯分校教育部)
摘要
在许多研究中,收集的数据有限或经过审查。在一些实际情况下,由于测量仪器的局限性或实验设计等原因,会出现这种情况。因此,响应可以是左删、间隔删或右删。另一方面,部分线性模型被认为是线性回归模型的灵活推广,它通过在线性预测中包含一些协变量的非参数分量。本文讨论了具有误差的部分线性删失回归模型的估计和诊断过程。这个分布族包含一组众所周知的重尾分布,这些分布通常用于对对称数据进行稳健推断,例如Student‑t、斜线和污染正态分布等。提出了一种简单的EM型算法,用于迭代计算参数的最大惩罚似然(MPL)估计。为了检验该模型的性能,开发了案例删除和局部影响技术,以显示其对外围和影响观测的鲁棒性。这是通过对模型或数据中一些常见扰动方案下的最大惩罚似然估计进行灵敏度分析,并通过检查一些建议的诊断图来实现的。我们通过实验评估了算法的有限样本性能和MPL估计的渐近性质。以实际数据集为例,说明了所提方法的有效性。估计过程和诊断工具都在$\texttt{RPartCensReg}$包中实现。
关键词
删失回归模型、EM型算法、部分线性模型、局部影响、正态分布的比例混合
马塞拉·努涅斯·莱姆斯(Marcela Nuñez Lemus)部分得到了巴西CAPES的支持。
C.E.Galarza的研究得到了巴西FAPESP的Grant 2015/17110-9的支持。
2019年9月7日收到
2020年6月15日验收
2020年12月22日出版