文献

J-GLOBAL ID：202202237889378702   整理番号：22A0734261

線形誤差イン変数回帰モデルにおける重み付き経験的最小距離推定量【JST・京大機械翻訳】

Weighted empirical minimum distance estimators in linear errors-in-variables regression models

著者 (2件)： Geng Pei (Department of Mathematics, Illinois State University, Normal, IL, 61790, United States of America) ,  Koul Hira L. (Department of Statistics and Probability, Michigan State University, East Lansing, MI, 48824, United States of America)
資料名： Journal of Statistical Planning and Inference  (Journal of Statistical Planning and Inference)
巻： 219  ページ： 147-174  発行年： 2022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： 回帰誤差分布と条件付中心測定誤差の条件付分布が,代理で与えられるとき,誤差-変数線形回帰モデルにおいて,根底にあるパラメータの重み付き経験的最小距離推定子のクラスのアナログを開発した。このクラスの推定子は,残差の特定の対称加重経験的プロセスの二乗の積分の極小者として定義される。それは,最小絶対偏差(LAD)とHodge-Lehmann(H-L)推定量のアナログを含む。本論文では,まず,真の共変量と測定誤差の分布が知られているとき,このクラスの推定子を開発し,次に,これらの分布が未知であるが,検証データが利用可能である場合,それらを事例に拡張した。Gauss誤差と共変量の場合,バイアス補正最小二乗推定器と比較して,LADとH-L推定量のアナログのPitman漸近相対効率は,測定誤差ベクトルの成分の分散が無限になる傾向があるので,無限になる傾向がある。また,シミュレーション研究の知見は,バイアス補正最小二乗推定器よりも,これら2つの推定子の顕著な優位性を示した。Copyright 2022 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： 誤差 ,  シミュレーション ,  対称性 ,  ベクトル ,  *推定 ,  測定誤差 ,  残差 ,  アナログ系 ,  *変数 ,  *回帰モデル ,  最小二乗推定 ,  パラメータ ,  *推定量
準シソーラス用語： 線形回帰モデル ,  共変量 ,  *距離推定 , 【Automatic Indexing@JST】

著者キーワード (3件)： Hodges-Lehmann推定量のアナログ ,  Pitman効率 ,  検証データ

分類 (1件)： 統計的品質管理  (KB04030W)

タイトルに関連する用語 (7件)： 線形 ,  誤差 ,  変数 ,  回帰モデル ,  経験 ,  最小距離 ,  推定量