首页|删失数据下的非参数分位回归

删失数据下的非参数分位回归

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
本文结合分位回归方法与非参数模型,对删失数据下的非参数分位回归模型的话计方法以及算法进行研究,运用质量再分配加权思想(Redistribution-of-Mass)将删失参数模型的估计方法推广到非参数领域,同时,出于充分利用数据信息的考虑,本文综合逆概率加权和质量再分配加权思想,在估计过程中采用这两类权数,提出了一种新的局部综合加权估计.通过蒙特卡洛模拟可知,在固定删失情形下,无论有无异方差存在,质量再分配加权估计有显著的优势;而在随机删失情形下,逆概率与质量再分配综合加权估计效果最好,进而验证了本文提出的估计方法的有效性和合理性.最后本文将各估计方法应用于实际数据中,实证分析的结果进一步展示了所提出估计方法的合理性.
Nonparametric Quantile Regression with Censored Data
Based on quantile regression and nonparametric model,this paper studies the estimation methods and algorithms of the nonparametric quantile regression model under censored data.We apply the redistribution-of-mass idea to extend the estimation method of parametric model to nonparametric area.and get a locally weighted estimator.Meanwhile,in order to make full use of the data,we combine the idea of the inverse probability weights and redistributionof-mass weights,applying both of the weights simultaneously to non-censored data and censored data to obtain a new locally combined weighted estimator.Furthermore,through Monte Carlo simulation,conclusions are drawn that under fixed censoring,the redistribution-of-mass weighted estimator outperforms the others,while under random censoring,the combined weighted estimator is more efficient and reasonable.Finally,the estimation methods are illustrated on real data,and the results further demonstrate the efficiency and reasonableness of the proposed estimation methods.

Quantile regressionNonparametric modelCensored dataInverse probability weightsRedistribution-of-Mass

黄雅丽、朱倩倩、田茂再

展开 >

中国人民大学应用统计科学研究中心,北京100872

中国人民大学统计学院,北京100872

兰州财经大学统计学院,甘肃兰州730020

新疆财经大学统计与信息学院,新疆乌鲁木齐830012

展开 >

分位回归 非参数模型 删失数据 逆概率加权 质量再分配加权

教育部哲学社会科学研究重大课题攻关项目国家自然科学基金北京市社会科学基金重大项目教育部高等学校博士学科点专项科研基金国家社会科学基金重点项目教育部人文社会科学重点研究基地重大项目北京市社科联项目决策咨询项目中国人民大学科学研究基金(中央高校基本科研业务费专项资金资助)项目成果

15JZD0151127136815ZDA172013000411000713AZD06415JJD910001201601002115XNL008

2016

生物数学学报
中国数学会生物数学学会

生物数学学报

ISSN：1001-9626
年,卷(期)：2016.(3)
  • 29