-
题名随机缺失数据下样本分位数估计
被引量：2
- 1
-
-
作者
舒鑫鑫
张莉
周勇
-
机构
伊利诺伊大学厄巴纳-香槟分校
西北大学经济管理学院
中国科学院数学与系统科学研究院
上海财经大学统计与管理学院
-
出处
《数学学报（中文版）》
CSCD
北大核心
2017年第5期865-882,共18页
-
基金
国家自然科学基金重点项目(71331006)
国家自然科学基金青年项目(11601424)
+7 种基金
国家自然科学重大研究计划重点项目(91546202)
中国科学院重点实验室(2008DP173182)
国家数学与交叉科学中心(2008DP173182)
上海财经大学创新团队支持计划(IRTSHUFE13122402)资助
教育部青年基金项目(15YJC910009)
博士后科学基金面上项目(2015M580867)
博士后科学基金特别资助(2016T90940)
西北大学自然科学基金项目(14NW31)资助
-
文摘
分位数的估计在生物医学、社会经济调查等领域有着广泛的应用,然而在实际问题的研究中,往往由于各种人为或不可控因素造成数据收集不完全.本文在随机缺失(MAR)假设条件下,利用非参数核补法和局部多重插补法给出了响应变量缺失时样本分位数的估计,并利用经验过程等理论证明了由这两种方法得到的分位数估计的大样本性质,同时,使用重抽样方法给出了估计的渐近方差的估计,模拟结果验证了这两种方法的有效性.文章所提两种方法的优点在于:首先,所提出的缺失修正方法不需要对缺失概率的模型做任何假设;其次,方法亦适用于其他有关参数不可微的估计目标函数;最后,方法很容易地推广到一般M估计的情况,并可以对多个分位数同时进行估计.
-
关键词
随机缺失
样本分位数
估计方程
经验过程
非参数核回归
局部多重插补法
-
Keywords
missing at random
sample quantile
estimating equation
empirical process
kernel regression imputation method
local multiple imputation
-
分类号
O211.67
[理学—概率论与数理统计]
-
