缺失数据下的逆概率多重加权分位回归估计及其应用
外文标题：Inverse Probability Multiple Weighted Quantile Regression Estimation and its Application with Missing Data
文献类型：期刊
作者：邰凌楠[1]
机构：[1]中国人民大学统计学院
[2]中国人民大学统计学院
[3]新疆财经大学“天山****”
期刊名称：统计研究
年：2018
卷：35
期：9
页码：115-128
ISSN：1002-4565
关键词：线性分位回归;倾向得分;逆概率多重加权;随机缺失机制;模型平均
所属部门：统计学院
链接地址：http://d.oldg.wanfangdata.com.cn/Periodical_tongjyj201809010.aspx
摘要：数据缺失问题普遍存在于应用研究中.在随机缺失机制假定下,本文从模型推断角度出发,针对线性缺失分位回归模型,提出一种新的有效估计方法——逆概率多重加权(IPMW)估计.该方法是在逆概率加权(IPW)估计的基础上,结合倾向得分匹配及模型平均思想,经过多次估计,加权确定最终参数估计结果.该方法适用于响应变量是独立同分布或独立非同分布的情形,并适用于绝大多数数据缺失场景.经过理论推导及模拟研究发现,IPMW估计量在继承IPW估计量的优势上具有更稳健的性质.最后,将该方法应用于含有缺失数据的微观调查数据中,研究了经济较发达的准一线城市中等收入群体消费水平的影响因素,对比两种估计方法的估计结果,发现逆概率多重加权估计量的标准偏差更小,估计结果更稳健.
DOI：10.19343/j.cnki.11-1302/c.2018.09.010
百度学术：缺失数据下的逆概率多重加权分位回归估计及其应用
语言：中文
基金：中国人民大学科学研究基金(中央高校基本科研业务费专项资金资助)项目“大数据分析的稳健统计理论与应用研究”
作者其他论文
基于最小化复合分位损失函数的尺度参数估计和异质性检验.苏鹏, 田茂再,.系统科学与数学. 2018, 1055-1066.
零膨胀计数数据的联合建模及变量选择.胡亚南, 田茂再,.统计研究. 2019, 36(1), 104-114.
最优分位水平及其衍生应用.熊巍, 田茂再,.高校应用数学学报A辑. 2019, 34(1), 25-43.
构造泊松均值固定宽度置信区间的序贯方法和两阶段方法.李二倩, 钱曼玲, 田茂再,.系统科学与数学. 2018, 38(11), 1328-1346.
基于最小化复合分位损失函数的尺度参数估计和异质性检验.苏鹏, 田茂再,.系统科学与数学. 2018, 38(9), 1055-1066.
