Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Nadaraya’s Estimates for Large Quantiles and Free Disposal Support Curves Kapitel lesen Erstes Kapitel lesen

2012 | OriginalPaper | Buchkapitel

8. Estimation of a General Parametric Location in Censored Regression

verfasst von : Cédric Heuchenne, Ingrid Van Keilegom

Erschienen in: Exploring Research Frontiers in Contemporary Statistics and Econometrics

Verlag: Physica-Verlag HD

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Consider the random vector (X, Y ), where Y represents a response variable and X an explanatory variable. The response Y is subject to random right censoring, whereas X is completely observed. Let m(x) be a conditional location function of Y given X = x. In this paper we assume that m( ⋅) belongs to some parametric class \(\mathcal{M} =\{ {m}_{\theta } : \theta \in \Theta \}\) and we propose a new method for estimating the true unknown value θ0. The method is based on nonparametric imputation for the censored observations. The consistency and asymptotic normality of the proposed estimator are established.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Explaining Efficiency in Nonparametric Frontier Models: Recent Developments in Statistical Inference
Nächstes Kapitel On Convex Boundary Estimation
Literatur
Akritas, M.G. (1996). On the use of nonparametric regression techniques for fitting parametric regression models. Biometrics, 52, 1342–1362.MathSciNetMATHCrossRef
Aragon, Y., Daouia, A., & Thomas-Agnan, C. (2005). Nonparametric frontier estimation: a conditional quantile-based approach. Econometric Theory, 21, 358–389.MathSciNetMATHCrossRef
Beran, R. (1981). Nonparametric regression with randomly censored survival data. Technical Report, University California, Berkeley.
Buchinsky, M., & Hahn, J. (1998). An alternative estimator for the censored quantile regression model. Econometrica, 66, 653–671.MathSciNetMATHCrossRef
Cazals, C., Florens, J.P., & Simar, L. (2002). Nonparametric frontier estimation: a robust approach. Journal of Econometrics, 106, 1–25.MathSciNetMATHCrossRef
Fygenson, M., & Zhou, M. (1994). On using stratification in the analysis of linear regression models with right censoring. Annals of Statistics, 22, 747–762.MathSciNetMATHCrossRef
Heuchenne, C., & Van Keilegom, I. (2007). Nonlinear regression with censored data. Technometrics, 49, 34–44.MathSciNetCrossRef
Jennrich, R.I. (1969). Asymptotic properties of nonlinear least squares estimators. Annals of Mathematical Statistics, 40, 633–643.MathSciNetMATHCrossRef
Pardo-Fernández, J.C., Van Keilegom, I., & González-Manteiga, W. (2007). Goodness-of-fit tests for parametric models in censored regression. Canadian Journal of Statistics, 35, 249–264.MATHCrossRef
Stute, W. (1993). Consistent estimation under random censorship when covariables are present. Journal of Multivariate Analysis, 45, 89–103.MathSciNetMATHCrossRef
Van der Vaart, A.W. (1998). Asymptotic statistics. Cambridge: Cambridge University Press.MATH
Van Keilegom, I., & Akritas, M.G. (1999). Transfer of tail information in censored regression models. Annals of Statistics, 27, 1745–1784.MathSciNetMATHCrossRef
Van Keilegom, I., &  Akritas, M.G. (2000). The least squares method in heteroscedastic censored regression models. In Puri, M.L.(Ed.) Asymptotics in Statistics and Probability (pp. 379–391), VSP.
Yin, G., Zeng, D., & Li, H. (2008). Power-transformed linear quantile regression with censored data. Journal of the American Statistical Association, 103, 1214–1224.MathSciNetMATHCrossRef
Wang, J., & Wang, L. (2009). Locally weighted censored quantile regression. Journal of the American Statistical Association, 104, 1117–1128.MathSciNetCrossRef
Metadaten
Titel
Estimation of a General Parametric Location in Censored Regression
verfasst von
Cédric Heuchenne
Ingrid Van Keilegom
Copyright-Jahr
2012
Verlag
Physica-Verlag HD
Buch
Exploring Research Frontiers in Contemporary Statistics and Econometrics

Print ISBN: 978-3-7908-2348-6

Electronic ISBN: 978-3-7908-2349-3

Copyright-Jahr: 2012

DOI
https://doi.org/10.1007/978-3-7908-2349-3_8