平稳遍历过程中响应变量随机缺失条件下回归导数的逆概率加权核估计
《Entropy》:Inverse-Probability-Weighted Kernel Estimation of Regression Derivatives Under Missing-at-Random Responses for Stationary Ergodic Processes
【字体:
大
中
小
】
时间:2026年08月28日
来源:Entropy 2.1
摘要
本文建立了核估计在响应变量随机缺失(MAR)且观测构成严格平稳遍历过程的条件下,对密度加权条件泛函和回归导数的渐近理论。顺序性MAR和正性条件通过逆概率加权伪响应识别出完全数据条件目标,而完全观测的协变量密度及其导数在不引入不必要的响应加权的情况下进行估计。鞅可预测分解给出了在显式投影/最大值条件、条件矩条件、条件密度条件和方差稳定化条件下的几乎处处一致收敛速率、逐点高斯极限、方差展开、学生化以及AMISE结果。这些定量假设是在平稳性和遍历性之外的额外条件:结果并不对任意平稳遍历序列成立。精确商恒等式和多重指标恒等式将原始估计理论推广到回归导数上,而可行的倾向得分估计则贡献了一个显式的附加余项。蒙特卡洛实验表明,更强的依赖性、较弱的响应概率、更高的导数阶数、倾向得分误设和光滑偏差均可能显著降低有限样本性能;欠光滑虽能改善居中性,但在中等样本量下未必能消除覆盖率失真。
生物通微信公众号
生物通新浪微博
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