一类用于左删失数据的非对称回归模型
统计方法学
2018-03-20 v1
摘要
关于标准 tobit 模型的一个常见假设是误差分布的正态性。然而，数据中可能存在非对称性与双峰性，此时必须使用替代的 tobit 模型。在本文中，我们提出了一类基于对数对称分布族的 tobit 模型，该族以重尾、轻尾分布及双峰分布作为特殊情形。我们实现了用于参数估计的基于似然的方法，并推导了一类残差。随后，我们讨论了通过使用似然比统计量与梯度统计量在所提出的模型类中执行检验推断的问题，这些统计量对于 tobit 模型尤为方便，因为它们不需要信息矩阵。我们给出了一项全面的 Monte Carlo 研究，以评估最大似然估计量以及似然比检验与梯度检验的性能。最后，我们利用一个真实数据集阐明了所提方法。
引用
@article{arxiv.1803.06732,
title = {A class of asymmetric regression models for left-censored data},
author = {Helton Saulo and Jeremias Leao and Juvencio Nobre and N. Balakrishnan},
journal= {arXiv preprint arXiv:1803.06732},
year = {2018}
}
备注
18 pages, 2 figures