- Tytuł:
-
Asymptotic Normality of Single Functional Index Quantile Regression for Functional Data with Missing Data at Random
Asymptotyczna normalność regresji kwantylowej pojedynczego wskaźnika funkcyjnego dla danych funkcjonalnych z losowymi brakującymi danymi - Autorzy:
-
Allal, Anis
Kadiri, Nadia
Rabhi, Abbes - Powiązania:
- https://bibliotekanauki.pl/articles/31233546.pdf
- Data publikacji:
- 2024
- Wydawca:
- Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
- Tematy:
-
asymptotic normality
functional data analysis
functional single-index process
missing at random
nonparametric estimation
small ball probability
asymptotyczna normalność
funkcjonalna analiza danych
funkcjonalny proces poje- dynczego indeksu
estymator jądra
losowe braki
estymacja nieparametryczna
prawdopodobieństwo małej kuli - Opis:
-
This work addresses the problem of the nonparametric estimation of the regression function, namely the conditional distribution and the conditional quantile in the single functional index model (SFIM) under the independent and identically distributed condition with randomly missing data. The main result of this study was the establishment of the asymptotic properties of the estimator, such as the almost complete convergence rates. Moreover, the asymptotic normality of the constructs was obtained under certain mild conditions. Lastly, the authors discussed how to apply the result to construct confidence intervals.
W artykule autorzy prowadzą rozważania dotyczące problemu nieparametrycznej estymacji funkcji regresji, a mianowicie rozkładu warunkowego i kwantyla warunkowego w modelu pojedynczego indeksu funkcjonalnego (SFIM) przy założeniu niezależnych i z identycznym rozkładem danych z losowymi brakami danych. Głównym rezultatem przeprowadzonych badań było ustalenie asymptotycznych właściwości estymatora, takich jak prawie całkowite współczynniki zbieżności. Co więcej, asymptotyczną normalność konstruktów uzyskano dla pewnych łagodnych warunków. Na koniec omówiono, jak zastosować uzyskany wynik do skonstruowania przedziałów ufności. - Źródło:
-
Econometrics. Ekonometria. Advances in Applied Data Analytics; 2024, 28, 1; 26-38
1507-3866 - Pojawia się w:
- Econometrics. Ekonometria. Advances in Applied Data Analytics
- Dostawca treści:
- Biblioteka Nauki
Artykuł