双截尾Tobit模型中的随机加权逼近方法  

A randomly weighting approximation approach for two-tailed censored regression model

作　　者：王占锋[1] 姚双双 吴耀华[1] Zhanfeng Wang;Shuangshuang Yao;Yaohua Wu

机构地区：[1]中国科学技术大学管理学院统计与金融系,合肥230026

出　　处：《中国科学：数学》2018年第7期955-968,共14页Scientia Sinica：Mathematica

基　　金：国家自然科学基金(批准号:11231010和11471302)资助项目

摘　　要：本文研究双截尾删失回归模型中参数的随机加权估计(RWE),获得了RWE的统计渐近性质,如相合性和渐近分布.本文证明了RWE在给定样本下的条件渐近分布与参数的最小绝对偏差(LAD)估计的渐近分布是一样的,则可以利用RWE的条件分布去逼近回归参数的LAD估计的分布,从而避免冗余参数的估计,如误差项的密度函数.另外,本文也提出了一个M检验统计量和随机加权M检验统计量(RWM)来检验参数的线性假设问题,建立了该检验的统计性质.数值模拟和实际数据分析结果表明所提方法是可行的.A random weight estimator（RWE） of the parameter is studied in a two-tailed censored regression model. To test linear hypotheses of the parameters, we propose an M-statistic and a randomly weighting Mstatistic（RWM）. Conditional distributions of RWE and RWM are used to approximate distributions of the least absolute deviation（LAD） estimator of of the regression parameter and the M-statistic without estimating nuisance parameters, such as density function. Statistical properties, such as consistency and asymptotic distribution, of RWE and RWM are developed. Numerical studies including simulation and a real example show that the proposed method performs well.

关 键 词：双截尾删失回归模型 随机加权方法 渐近性 冗余参数 

分 类 号：O212.1[理学—概率论与数理统计]