文献

J-GLOBAL ID：201902219513312982   整理番号：19A2857770

グループメンバーシップがランダムに失われた場合の二重ロバストなカーネル密度推定【JST・京大機械翻訳】

Doubly robust kernel density estimation when group membership is missing at random

著者 (4件)： Zhang Chenguang (Department of Biostatistics and Data Science, School of Public Health and Tropical Medicine, Tulane University, New Orleans, LA, USA) ,  He Hua (Department of Epidemiology, School of Public Health and Tropical Medicine, Tulane University, New Orleans, LA, USA) ,  Li Jian (Department of Biostatistics and Data Science, School of Public Health and Tropical Medicine, Tulane University, New Orleans, LA, USA) ,  Tang Wan (Department of Biostatistics and Data Science, School of Public Health and Tropical Medicine, Tulane University, New Orleans, LA, USA)
資料名： Journal of Statistical Planning and Inference  (Journal of Statistical Planning and Inference)
巻： 206  ページ： 163-178  発行年： 2020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： 亜母集団が欠落している被験者が存在する場合,検証されたメンバシップを持つ被験者に基づくサブポピュレーションのカーネル密度推定は,メンバシップのミスがランダムな仮定で完全に欠落していることを満たさない限り,有効ではないかもしれない。ランダム(MAR)仮定におけるより妥当な欠落の下で,逆確率重みづけ(IPW)カーネル平滑化法は,欠落機構がよく理解されている場合に用いることができる。他方では,もしメンバシップが予測モデルによってうまく予測されるならば,1つは,欠落値を扱うためのメンバシップに対する確率によって,member船(すべてまたは失われたもののいずれか)を置き換えることができるかもしれない。欠落機構と予測モデルの情報を統合することによって,著者らはモデルのどちらかが正しく指定されている限り有効である二重ロバストカーネル密度推定を開発した。新しい推定の漸近特性を導出し,平均積分二乗誤差(MISE)の漸近次数を既存の方法と比較した。二重ロバスト推定は,欠落機構に対するモデルが正しく特定されるとき,IPW推定よりも効率的であることを証明した。また,予測モデルが正しく特定された場合,予測モデルに基づくアプローチは完全データよりも小さいMisesを持つ可能性があることを証明し,これらの方法がメンバシップの欠落値がない場合でも適用できることを示唆した。シミュレーション研究を行い,方法の性能を評価し,実際の研究例を説明目的に用いた。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 母集団 ,  予測モデル ,  シミュレーション ,  ピュレー ,  *ロバスト性 ,  ロバスト推定 ,  *船舶 ,  重みづけ
準シソーラス用語： 被験者 ,  *カーネル推定 , 【Automatic Indexing@JST】

著者キーワード (3件)： カーネル平滑化 ,  ランダムで失われる ,  二重ロバスト性

分類 (1件)： 数値計算  (JE02000J)

タイトルに関連する用語 (2件)： ロバスト ,  カーネル密度推定