...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Annals of the Institute of Statistical Mathematics >Semiparametric estimation in regression with missing covariates using single-index models
【24h】

Semiparametric estimation in regression with missing covariates using single-index models

机译：使用单索引模型的缺失协变量的回归的半游戏估计

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

We investigate semiparametric estimation of regression coefficients through generalized estimating equations with single-index models when some covariates are missing at random. Existing popular semiparametric estimators may run into difficulties when some selection probabilities are small or the dimension of the covariates is not low. We propose a new simple parameter estimator using a kernel-assisted estimator for the augmentation by a single-index model without using the inverse of selection probabilities. We show that under certain conditions the proposed estimator is as efficient as the existing methods based on standard kernel smoothing, which are often practically infeasible in the case of multiple covariates. A simulation study and a real data example are presented to illustrate the proposed method. The numerical results show that the proposed estimator avoids some numerical issues caused by estimated small selection probabilities that are needed in other estimators.
机译：我们通过具有单索引模型的广义估计方程来调查回归系数的半游戏估计，当时一些协变量随机缺失。 当某些选择概率很小或协变量的尺寸不低时，现有流行的半游戏估计器可能陷入困难。 我们使用单索索引模型提出了一种新的简单参数估计器，用于通过单索引模型进行增强，而无需使用选择概率的倒数。 我们表明，在某些条件下，建议的估计人与基于标准内核平滑的现有方法一样有效，这在多个协变量的情况下通常是几乎不可行的。 提出了模拟研究和实际数据示例以说明所提出的方法。 数值结果表明，所提出的估计器避免了由其他估计器所需的估计小的选择概率引起的一些数值问题。

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