左截断右删失数据下线性模型的加权复合分位数估计及变量选择 |
| |
引用本文: | 冯海林,罗倩倩.左截断右删失数据下线性模型的加权复合分位数估计及变量选择[J].南京大学学报(自然科学版),2018(5). |
| |
作者姓名: | 冯海林 罗倩倩 |
| |
作者单位: | 西安电子科技大学数学与统计学院 |
| |
摘 要: | 在可靠性及生存分析等领域中经常出现左截断右删失数据,即指在某种设定下,样本值不能被完全观测到的数据.左截断右删失数据下线性回归的参数估计方法一般选用加权分位数估计,然而加权分位数估计只考虑了单个分位点的损失,在估计效率方面存在缺陷.为克服这一缺点,针对左截断右删失数据下线性模型的参数估计问题,提出了加权复合分位数估计方法.此外,为识别模型中的非零参数并进行变量选择,建立了基于自适应Lasso的惩罚加权复合分位数估计,并在一定假设条件下,证明了所提估计具有渐近正态性和Oracle性质.数值模拟和实例分析结果表明,本文提出的惩罚加权复合分位数估计具有良好的变量选择性质,并且加权复合分位数估计与加权分位数估计相比,具有更高的估计效率.
|
本文献已被 CNKI 等数据库收录! |
|