• 论文 • 上一篇    

删失指标随机缺失下回归函数的复合分位数回归估计

王江峰1,范国良2,3,温利民4   

  1. 1. 浙江工商大学统计与数学学院,杭州 310018; 2. 上海海事大学经济管理学院, 上海 201306; 3.中国人民大学统计与大数据研究院,北京 100872; 4. 江西师范大学数学与信息科学学院,南昌 330022
  • 出版日期:2018-11-25 发布日期:2019-01-17

王江峰,范国良,温利民. 删失指标随机缺失下回归函数的复合分位数回归估计[J]. 系统科学与数学, 2018, 38(11): 1347-1362.

WANG Jiangfeng, FAN Guoliang, WEN Limin. Composite Quantile Regression Estimators of Regression Function with Censoring Indicators Missing at Random[J]. Journal of Systems Science and Mathematical Sciences, 2018, 38(11): 1347-1362.

Composite Quantile Regression Estimators of Regression Function with Censoring Indicators Missing at Random

WANG Jiangfeng 1 ,FAN Guoliang 2,3 ,WEN Limin 4   

  1. 1. School of Statistics and Mathematics, Zhejiang Gongshang University, Hangzhou 310018; 2. School of Economics and Management, Shanghai Maritime University, Shanghai 201306; 3. Institute of Statistics and Big Data, Renmin University of China, Beijing 100872; 4. School of Mathematics and Information Science, Jiangxi Normal University, Nanchang 330022
  • Online:2018-11-25 Published:2019-01-17

在非参数回归模型中, 传统的Nadaraya-Watson核估计和局部多项式估计常常因为误差为重尾情况而变得不稳健, Kai等人(2010)提出的复合分位数回归方法能弥 补这一缺陷. 文章在删失指标随机缺失的情况下, 研究了误差具有异方差结构的非参数删失回归模型, 利用局部多项式方法构造了回归函数的复合分位数回归估计, 并得到了该估计的渐近正 态性结果, 把Kai等人(2010)的结果推广到删失指标随机缺失的右删失数据下. 最后通过模 拟发现, 尤其是当误差为重尾分布时, 该估计方法比Wang和Zheng (2014)提出的核估计方法更好.

In the nonparametric regression model, the Nadaraya-Watson kernel estimation and local polynomial estimation are not robust when the error is heavy tailed. The composite quantile regression method proposed by Kai, et al. (2010) can overcome the shortcoming of robustness. In this paper, we consider the nonparametric regression model with heteroscedastic error when the data are right-censored and the censoring indicators are missing at random, construct the composite quantile regression estimators of regression function based on the local polynomial method, and establish the asymptotic normality of these estimators, which extends the results of the Kai, et al. (2010) to right-censored data with the censoring indicators missing at random. The simulation studies show that our estimators perform better than the kernel estimation proposed by Wang and Zheng (2014), especially when the error is the heavy tail distribution.

()
[1] 牛娟,谢田发,郭媛媛,孙志华. 协变量有测量误差时Tobit回归模型的估计[J]. 系统科学与数学, 2020, 40(9): 1672-1686.
[2] 贾锴. DRE年龄性质的非参数检验[J]. 系统科学与数学, 2019, 39(6): 977-989.
[3] 白永昕,田茂再. 左截断右删失剩余寿命分位数的置信区间构造[J]. 系统科学与数学, 2017, 37(12): 2412-2426.
[4] 郭文雯,崔恒建.  带自回归过程的单指标模型的参数估计及其渐近性质[J]. 系统科学与数学, 2015, 35(12): 1463-1478.
[5] 冯井艳;张日权;张志强. 不同自变量的变系数模型的估计[J]. 系统科学与数学, 2010, 30(2): 225-235.
[6] 李耀武;王霞. 随机截尾情形下Rayleigh分布参数的最大似然估计[J]. 系统科学与数学, 2009, 29(6): 761-778.
[7] 赵树然;徐兴忠;丁晓波. 右删失情形下平均生存时间的加权Bootstrap推断[J]. 系统科学与数学, 2009, 29(5): 598-607.
[8] 吴耀华;刘驰宇. 序集抽样中$M$估计分布的随机加权逼近[J]. 系统科学与数学, 2009, 29(5): 693-705.
[9] 朱复康;王德辉. 一个简化的新Laplace AR(1)模型 参数估计及其渐近性质[J]. 系统科学与数学, 2009, 29(1): 129-135.
[10] 李志强;薛留根. 响应变量随机缺失下的广义变系数模型的估计[J]. 系统科学与数学, 2008, 28(10): 1297-1307.
[11] 李国亮;刘禄勤. 误差为鞅差序列的回归函数估计的收敛速度[J]. 系统科学与数学, 2007, 27(1): 152-160.
[12] 梁华;师义民. 纵向数据非参数混合效应模型的一个局部不变估计[J]. 系统科学与数学, 2007, 27(1): 102-112.
[13] 杨善朝. 基于鞅序列非参数回归权函数的估计[J]. 系统科学与数学, 1999, 19(1): 79-085.
[14] 秦更生;成平. 基于删失数据的一般回归模型的参数估计[J]. 系统科学与数学, 1995, 15(4): 329-338.
阅读次数
全文


摘要