用于删失数据相关估计的非对称 Tobit 分析
应用统计
2021-10-13 v1
摘要
人类粪便中排出的病原微生物对水资源的污染是一个全球性的公共卫生问题。粪便污染的监测通常通过例行监测一种或少数几种微生物来进行。为设计可行的定期监测流程并控制病原体暴露风险，需要建立可靠的统计算法来推断水中微生物浓度间的相关性。此外，由于病原体常以低浓度存在，部分污染可能低于检测限。这产生了成对左删失数据集，并使相关系数计算复杂化。若对未检出值的填补更好，相关估计的误差可更小。为获得更好的填补，我们利用侧面信息并开发了一项新技术——非对称 Tobit 模型，它是 Tobit 模型的扩展，以便在将模型拟合到删失数据集时有效利用领域知识。实证结果表明，利用领域知识的填补对该任务是有效的。
引用
@article{arxiv.2101.10853,
title = {Asymmetric Tobit analysis for correlation estimation from censored data},
author = {HongYuan Cao and Tsuyoshi Kato},
journal= {arXiv preprint arXiv:2101.10853},
year = {2021}
}