高维缺失面板数据下的亚组效应分位数回归:方法与应用

《Journal of Multivariate Analysis》:Subgroup effect quantile regression with high dimensional missing panel data

【字体: 大 中 小 】 时间:2025年12月30日 来源:Journal of Multivariate Analysis 1.7

编辑推荐:

  本文针对高维缺失面板数据,创新性地提出了部分线性变系数分位数回归(QR)模型,结合亚组效应分析和广义估计方程(GEE)方法,构建了Oracle估计量及其光滑版本。研究通过SCAD惩罚实现了参数、变系数函数和亚组结构的同步变量选择,并证明了其Oracle性质。同时,文章还发展了针对参数、变系数函数和亚组效应的假设检验,并利用模拟研究和实际数据(如HIV血清转化者CD4细胞计数数据)验证了方法的有效性,为处理复杂纵向数据提供了强有力的统计工具。

  
亮点与方法论
限制性估计与检验统计量
考虑以下假设检验:H0: Aβ0(1)= c0相对于 H1: Aβ0(1)≠ c0,其中 A 是一个已知的 φH× p1n维矩阵(φH固定),c0∈ RφH是已知的。定义 ? 和 ?0。在原假设 H0下,参数 θ0(1)的限制性估计量定义为 θ?R(1)= arg minθ(1)‖ n-1∑m=1M0∑i∈GmSiAΓiRi-1?iψ(SiA, θ(1)) + ???? ‖,其中 ?? 是拉格朗日乘子。令 Ψ?X是 ΨX的一致估计量。为检验 H0,我们提出检验统计量 Tn= n (Aβ?(1)- c0)?(AΨ?XA?)-1(Aβ?(1)- c0)。
模拟研究
此处我们通过模拟实验来研究所提出方法在有限样本下的表现。
模型 1.Yit= ∑j=15Xit,jβj+ ∑?=13Zit,?α?(Uit) + μi+ {1 + a/8 · (∑j=15Xit,j2+ ∑?=13Zit,?2)1/2} εit,其中 1 ≤ i ≤ n 且 1 ≤ t ≤ T = 5。这里 βj= 1, 1 ≤ j ≤ p = 5;α1(u) = sin(2πu), α2(u) = 2u(1-u), α3(u) = exp(u - 0.5) - 1;Xit,j和 Zit,?独立地从 N(0,1) 生成,1 ≤ j ≤ p = 5, 1 ≤ ? ≤ q = 3,Uit从 U(0,1) 生成。取 εit= ?it- Φ-1(τ),其中 Φ-1(τ) 是 N(0,1) 的 τ 分位数。对于 1 ≤ i ≤ n,(?i1, …, ?iT)?~ N(0, R),而 R 是...
数据分析
此处我们使用提出的方法来分析HIV血清转化者CD4细胞计数的纵向数据。该数据集包含369名受试者,其CD4计数记录自血清转化前3年至后6年,共产生2376个CD4测量值。每位参与者的观测次数从1到12次不等,大多数提供了4~10次观测。详细说明见参考文献Zeger and Diggle [42]。该数据集也曾被其他研究分析过。
结论
(注:原文中第二个Conclusion部分似乎被截断,未提供具体内容。根据常规结构,此部分应总结研究发现、意义和未来方向。)
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号