长度偏差右删失数据剩余寿命的分位数回归

本文研究长度偏差数据下剩余寿命分位数模型的估计方法,充分考虑有偏抽样机制对模型估计的影响.如果忽略这种有偏性会导致估计产生严重偏差甚至错误的结果.本文首先针对长度偏差右删失数据的剩余寿命分位数提出了对数形式的线性回归模型,对删失变量与协变量独立和不独立的两种情况利用估计方程给出了模型参数的估计.其次,通过经验过程和弱收敛理论给出了参数估计的相合性和渐近正态性.最后,本文对提出的估计方法进行了数值模拟并用该方法对奥斯卡奖数据进行分析.     

一般偏差右删失数据下剩余寿命分位数回归

剩余寿命是刻画个体预期寿命的一个重要度量,对剩余寿命的早期研究主要集中在剩余均值上.然而当总体生存函数偏态或厚尾时剩余均值函数可能不存在,因此统计学者建议用剩余寿命分位数来刻画预期寿命.在完全数据和右删失数据下,剩余寿命分位数的建模和理论已经很完善.但是,在实际的调查研究中经常会遇到偏差抽样数据.例如,临床医学中的左截断数据,流行病学中的病例队列抽样数据,医学大型队列研究中的长度偏差抽样数据等等.忽略抽样偏差会导致参数估计有偏和不合理的推断结果.本文考虑一般偏差右删失数据下剩余寿命分位数回归的统计推断问题.首先,我们提出了一个一般偏差右删失数据下的剩余寿命分位数回归模型,并利用一般估计方程方法对模型中的参数进行了估计.针对已有文献常用的删失变量与协变量独立性假设,本文重点考虑了删失变量依赖于协变量场合.其次,由于估计量的渐近方差中涉及非参密度函数,在估计渐近方差时,本文采用Bootstrap方法.最后,数值模拟显示本文提出的方法有限样本性质表现很好.     

右删失长度偏差数据分位数差的非参数估计

利用长度偏差数据所特有的辅助信息,对带右删失的长度偏差数据的分位数差提出了一种新的非参数估计.该方法提高了估计的有效性,所得的估计量形式简洁,便于计算.同时,本文用经验过程理论建立了该分位数差估计的相合性及渐近正态性,并给出方差估计的重抽样方法.本文还通过数值模拟考察了该估计量在有限样本下的表现,并将其应用到一个关于老年痴呆的实际数据中.     

长度偏差右删失数据下均值剩余寿命的复合估计

长度偏差右删失数据是一类复杂的数据,观察到的数据分布与总体分布有所改变且其删失是有信息删失,通常的统计分析方法并不能直接应用到长度偏差数据中.本文将在长度偏差右删失数据下研究均值剩余寿命函数,提出其非参数估计方法,在估计中通过加入长度偏差右删失数据辅助信息,即截断变量和进入试验后的剩余存活时间同分布的辅助信息来提高估计的效率.虽然极大似然方法是有效估计,但是其构造复杂且计算需要迭代来实现,计算量大.为此,本文考虑通过简单的加入辅助信息的方法来构造估计量,并给出估计量的相合性及渐近正态性.本文提出的加入辅助信息估计方法与以往类似方法相比具有较简单的显式表达式,计算方便.     

长度偏差右删失数据下比例均值剩余寿命模型的估计方法

本文考虑了长度偏差右删失数据下均值剩余寿命模型的统计推断.当截断变量满足平稳性假设时,长度偏差右删失数据比左截断右删失数据具有更多的信息.为了提高参数估计的效率,我们在估计方程构造中添加了额外信息,通过组合方法获得了新的估计.模拟研究的结果也表明,组合估计方程的方法比仅考虑左截断右删失数据的方法更有效,结果表现更好.     

右删失数据下分位数回归的光滑经验似然检验

关于线性分位数回归模型的参数检验问题,对完全观测数据,已有文献用经验似然(EL)法和光滑经验似然(SEL)法构造的检验统计量在原假设下均以卡方分布χ_M~2为渐近分布.对右删失数据,已有文献用EL法构造的检验统计量以加权卡方分布为渐近分布,而权重是待估的.对右删失数据,本文用EL法和SEL法构造的检验统计量在原假设下均依分布收敛到χ_M~2,因此无需估计权重.由于SEL法的估计函数是光滑的,故可以进行Bartlett纠偏.随机模拟结果表明与已有的方法相比,SEL法经过Bartlett纠偏后有更高的精度.     

右删失左截断情形下分布函数的分位数估计

文中考虑了右删失左截断数据情形下分布函数的分位数估计，讨论了该估计的渐近性质并获得了它的强弱Ｂａｈａｄｕｒ类型的表示定理。利用此Ｂａｈａｄｕｒ表示定理很容易获得该分位数估计的渐近正态性及置信区间等结果。     

长度偏差右删失数据下[1mm]比例均值剩余寿命模型的估计方法

本文考虑了长度偏差右删失数据下均值剩余寿命模型的统计推断.当截断变量满足平稳性假设时,长度偏差右删失数据比左截断右删失数据具有更多的信息.为了提高参数估计的效率,我们在估计方程构造中添加了额外信息,通过组合方法获得了新的估计.模拟研究的结果也表明,组合估计方程的方法比仅考虑左截断右删失数据的方法更有效,结果表现更好.     

左删失右截断数据的分位数的固定宽度序贯置信区间估计

基于左截断右删失数据下的乘积限估计构造了分位数固定宽度序贯置信区间及其估计，研究了序贯置信区间估计的渐近性质。作为副产品，获得了分位数估计近邻点的Bahadur表示定理。这个表示定理是推导分位数固定宽度序贯置信区间估计渐近性质的重要基础。同时，在文中，进行了一些计算机模拟试验，证明了左截断右删失数据下分位数估计的序贯方法是效的和精确的。     

左截断右删失数据下分位密度估计的重对数律

在左截断右删失数据下，我们基于乘积限估计给出了分位密度估计， 获得了分位密度估计及其导数的重对数律。     

左截断右删失数据分位差估计及其渐近性质

我们研究了左截断右删失数据分位差,基于左截断右删失数据乘积限构造了分位差的经验估计,同时克服经验估计的非光滑性,提出了分位数差的核光滑估计.利用经验过程理论推导出这两个估计的渐近偏差和渐近方差,并且在左截断右删失数据下研究了这两个分位差的大样本性质,获得分位差估计的相合性和渐近正态性.同时给出计算模拟以验证光滑分位差估计的表现,在均方损失的意义下模拟结果表明光滑估计比经验估计具有更好的性质.     

删失指标随机缺失下条件分位数的加权核估计

在右删失数据下,当删失指标随机缺失时,对条件分布函数分别构造了校准加权核估计,插值加权核估计以及逆概率加权核估计;然后由这些估计分别导出了条件分位数的核估计,并建立了这些估计的渐近正态性;最后,在有限样本下,对这些估计进行了数值模拟,分析了各估计的优缺点.     

删失指标随机缺失下回归函数的复合分位数回归估计

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.     

右删失数据下生存函数的随机加权估计

本文利用随机加权思想提出了右删失数据下生存函数的随机加权估计,证明了所给的随机加权估计的强相合性.     

左截断右删失数据光滑分位估计的渐近性质

文中提出了随机左截断右删失数据下的一种光滑分位估计,推导出此光滑估计的相合性和渐近正态性,同时获得了该估计的强弱Bahadur表示定理。     

左截断右删失剩余寿命分位数的置信区间构造

在医学领域、可靠性分析和人寿保险市场中,剩余寿命是重要的研究范畴之一.因此,剩余寿命分位数区间的精确估计有着重要的意义.但是,在左截断和右删失同时存在的临床数据下,样本量通常很小,传统的置信区间构造方法多数不理想,而且涉及到的估计量方差的计算非常繁琐.为了避免上述困难,文章利用Jackknife-d方法构造了左截断右删失剩余寿命分位数的置信区间.同时,通过蒙特卡罗模拟和实例分析对Jackknife-d方法和传统的4种方法进行评价.模拟结果表明:小样本下,Jackknife-d方法得到的置信区间长度最短且覆盖率在大多数情况下都接近于名义水平,是剩余寿命分位数置信区间构造的一种很好的方法.     

右删失数据下线性回归模型的中心极限定理

将完全数据下(Y, Z)的联合分布F(y, z)的估计问题和线性回归模型Y =b^T Z+e的参数估计问题推广到右删失数据模型. 对于回归系数b和误差方差的加权最小二乘估计, 在最一般的条件下证明了中心极限定理, 给出了渐近方差的简单表达公式.     

截断与删失数据下的一个回归方法

对于截断与删失下的反映变量,我们提出了一类广义乘积限估计,并获得了它的弱收敛性.在回归分析中,利用这类广义乘积限估计来定义一种最小距离的参数估计,并获得了这种参数估计的相合性和渐近正态性.     

删失数据平滑非参数分位估计

文中在随机右删失意义下，对于未知分布函数的分位点，基于ＰＬ估计给出了一种平滑的非参数核分位估计，推导出了该估计的逐点和一致强弱Ｂａｈａｄｕｒ类型表示定理，并由此结果获得了平滑分位计的渐近正态性及重对数律等深刻结果。     

左截断右删失数据下光滑分布函数估计效率

研究了左截断右删失数据下光滑分布函数估计,并获得了其渐近性质.在MSE意义下,给出了光滑分布函数估计与经验估计(即乘积限估计)的相对亏量,证明了在一定的条件下,光滑分布估计要优于经验分布估计,并通过模拟说明了光滑分布函数估计比乘积限估计更加有效.