文献

J-GLOBAL ID：201802221708406644   整理番号：18A0333225

失われたデータモデルにおける分位数の効率的な推定【Powered by NICT】

Efficient estimation of quantiles in missing data models

著者 (2件)： Diaz Ivan (Division of Biostatistics and Epidemiology, Weill Cornell Medicine, New York, NY, USA) ,  Diaz Ivan (Google Inc., New York, NY, USA)
資料名： Journal of Statistical Planning and Inference  (Journal of Statistical Planning and Inference)
巻： 190  ページ： 39-51  発行年： 2017年 
JST資料番号： B0907B  ISSN： 0378-3758  CODEN： JSPIDN  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： セミパラメトリック失われたデータモデルにおける変位値のための新規標的最尤推定量(TMLE)を提案した。提案した推定量が局所的に効率的な,n-一致し,漸近的に正常,および二重ロバスト,正則性条件。モンテカルロシミュレーション既存推定器に提案法を比較した。提案した推定器が優れた性能を有し,逆確率加重推定器(IPW)よりも最大三倍小さい,および拡張IPWよりも二倍小さい相対効率を有した。本研究は高度に可変処理帰属確率をもって因果推論研究疑問,ヘビーテイル,非常に様々な結果が動機となっている。情報結合は一般的に小さいので平均因果効果の推定は,このようなシナリオにおける困難な問題である。応用では,平均に及ぼす影響を推定するための結合効率はおそらく無限。これはn 一致推論を除外し,平均治療効果の試験仮説のための電力を減少させない。著者らのシミュレーションでは,中央値に及ぼす効果を用いた30%より多くの電力を用いた位置シフト仮説を検証することを可能にする。これは平均に及ぼす影響するが困難であった治療の有効性についての主張をすることを可能にした。提案した推定量を実現するためのRコードを提供した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： ロバスト性 ,  中央値 ,  推定量 ,  *データモデル ,  電力 ,  最尤法
準シソーラス用語： 結合効率 ,  因果推論 ,  加重 ,  モンテカルロシミュレーション ,  正則性 , 【Automatic Indexing@JST】

著者キーワード (4件)： 分位効果 ,  情報限界 ,  n-一貫性 ,  TMLE

分類 (3件)： 数値計算  (JE02000J) ,  システム・制御理論一般  (IA02010H) ,  信号理論  (ND02020G)

タイトルに関連する用語 (2件)： データモデル ,  推定