データ融合の下での経験的尤度を用いたキャリブレーション回帰推定【JST・京大機械翻訳】

Li Wei; Luo Shanshan; Xu Wangli

プレプリント

J-GLOBAL ID：202202213668317543 整理番号：22P0327079

データ融合の下での経験的尤度を用いたキャリブレーション回帰推定【JST・京大機械翻訳】

Calibrated regression estimation using empirical likelihood under data fusion

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年04月06日プレプリントサーバーでの情報更新日： 2022年04月06日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

いくつかの情報源からの情報に基づくデータ解析は,経済的および生物医学的研究において一般的である。この設定は,データ融合問題としてしばしば参照され,これは,完全なデータがどの主題でも観測されないので,従来の欠測データ問題とは異なる。転帰変数といくつかの共変量が2つの異なる源から収集されたときの回帰分析を考察した。両データセットで観測される共通変数を活用することによって,二重ロバスト推定手順を,可能なモデル誤仕様に対して保護するために,文献において提案した。しかし,それらはデータ融合プロセスのための単一傾向スコアモデルと1つのデータセットで利用可能な共変量のための単一帰属モデルだけを使用する。どちらのモデルも実際に正確に指定されると仮定することは疑問である。したがって,経験的尤度法に基づいたより多くの保護を得るために,複数の傾向スコアと補完モデルを較正するアプローチを提案した。得られた推定子は,それらのモデルの一つが正しく指定され,適合傾向スコアの極値に対してロバストである場合,一貫性がある。また,漸近正規性特性を確立し,半パラメトリック推定効率を論じた。シミュレーション研究は,提案した推定器が既存の二重ロバスト推定器よりも実質的な利点を持ち,組立てたU.S.家庭支出データ例を用いて説明を行うことを示した。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

医用画像処理 , 数値計算

, , , ,

前のページに戻る