具有Berkson测量误差的非线性模型估计
统计理论
2007-06-13 v1 统计理论
摘要
本文关注一般的非线性回归模型,其中预测变量受到Berkson型测量误差的影响。假设测量误差具有一般的参数分布,不一定为正态。此外,回归方程中随机误差的分布是非参数的。提出了一种最小距离估计量,其基于给定观测预测变量时响应变量的前两个条件矩。为克服涉及多重积分的目标函数最小化可能带来的计算困难,构造了一种基于模拟的估计量。在相当一般的正则条件下,推导了两种估计量的一致性与渐近正态性。
引用
@article{arxiv.math/0508601,
title = {Bayesian-motivated tests of function fit and their asymptotic frequentist properties},
author = {Marc Aerts and Gerda Claeskens and Jeffrey D. Hart},
journal= {arXiv preprint arXiv:math/0508601},
year = {2007}
}
备注
Published at http://dx.doi.org/10.1214/009053604000000805 in the Annals of Statistics (http://www.imstat.org/aos/) by the Institute of Mathematical Statistics (http://www.imstat.org)