• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Statistics and computing >A mixed model approach to measurement error in semiparametric regression
【24h】

A mixed model approach to measurement error in semiparametric regression

机译：半占用回归测量误差的混合模型方法

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

An essential assumption in traditional regression techniques is that predictors are measured without errors. Failing to take into account measurement error in predictors may result in severely biased inferences. Correcting measurement-error bias is an extremely difficult problem when estimating a regression function nonparametrically. We propose an approach to deal with measurement errors in predictors when modelling flexible regression functions. This approach depends on directly modelling the mean and the variance of the response variable after integrating out the true unobserved predictors in a penalized splines model. We demonstrate through simulation studies that our approach provides satisfactory prediction accuracy largely outperforming previously suggested local polynomial estimators even when the model is incorrectly specified and is competitive with the Bayesian estimator.
机译：传统回归技术的基本假设是在没有错误的情况下测量预测器。 未能考虑预测器中的测量误差可能导致严重偏置的推论。 校正测量误差偏差是在非视角估计回归函数时的一个极其困难的问题。 我们提出了一种在建模灵活回归函数时处理预测器中的测量误差的方法。 这种方法取决于在将真正的未观察到的预测因子集成到惩罚的样条模型中之后直接建模响应变量的均值和方差。 我们通过仿真研究证明，即使在模型指定模型并与贝叶斯估计器中竞争的情况下，我们的方法也在很大程度上表明了令人满意的预测精度。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号