- Tytuł:
-
Single Functional Index Quantile Regression for Independent Functional Data Under Right-Censoring
Regresja kwantylowa pojedynczego wskaźnika funkcjonalnego dla niezależnych danych funkcjonalnych z cenzurowaniem prawostronnym - Autorzy:
-
Hamri, Mohamed Mehdi
Mekki, Sanaà Dounya
Rabhi, Abbes
Kadiri, Nadia - Powiązania:
- https://bibliotekanauki.pl/articles/2045982.pdf
- Data publikacji:
- 2022
- Wydawca:
- Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
- Tematy:
-
censored data
functional data
kernel estimator
normality
non-parametric estimation
small ball probability
dane cenzurowane
estymator jądrowy
normalność
estymacja nieparametryczna
prawdopodobieństwo small ball - Opis:
-
The main objective of this paper was to estimate non-parametrically the quantiles of a conditional distribution based on the single-index model in the censorship model when the sample is considered as independent and identically distributed (i.i.d.) random variables. First of all, a kernel type estimator for the conditional cumulative distribution function (cond-cdf) is introduced. Then the paper gives an estimation of the quantiles by inverting this estimated cond-cdf, the asymptotic properties are stated when the observations are linked with a single-index structure. Finally, a simulation study was carried out to evaluate the performance of this estimate.
Głównym celem artykułu jest prezentacja nieparametrycznej estymacji kwantyli rozkładu warunkowego na podstawie modelu jednoindeksowego w modelu cenzury, gdy próba jest traktowana jako niezależne zmienne losowe o identycznym rozkładzie. Przede wszystkim wprowadzono estymator jądrowy dla funkcji skumulowanego rozkładu warunkowego (cond-cdf). Następnie podano oszacowanie kwantyli przez odwrócenie oszacowanego cond-cdf. Właściwości asymptotyczne są określane, gdy obserwacje są połączone ze strukturą jednoindeksową. Na koniec przeprowadzono badanie symulacyjne, aby ocenić skuteczność tego oszacowania. - Źródło:
-
Econometrics. Ekonometria. Advances in Applied Data Analytics; 2022, 1; 31-62
1507-3866 - Pojawia się w:
- Econometrics. Ekonometria. Advances in Applied Data Analytics
- Dostawca treści:
- Biblioteka Nauki
Artykuł