基于自助样本增广机制的标准删失回归模型选择准则
统计方法学
2020-03-25 v1 应用统计
统计计算
摘要
统计回归技术是用于探索随机现象潜在可能生成机制的极其重要的数据拟合工具。因此，模型选择或变量选择变得极为重要，以便识别出对感兴趣响应具有最优解释效果的最合适模型。本文在观测信息有限的情境下，讨论并比较了标准删失回归模型（Tobit 回归模型）上基于自助法的模型选择准则。蒙特卡洛数值证据表明，在观测信息不足的情况下，基于自助样本增广策略的模型选择准则的表现将比其替代准则（如赤池信息准则（AIC）和贝叶斯信息准则（BIC）等）更具竞争力。同时，数值模拟实验进一步表明，由数据信息不足（如高删失率和相当有限的观测数）引起的模型识别风险，可通过增加自助样本增广策略方面的科学计算成本得到充分补偿。我们还将推荐的基于自助法的模型选择准则应用于 Tobit 回归模型以拟合真实保真度数据集。
引用
@article{arxiv.2003.10726,
title = {Model selection criteria of the standard censored regression model based on the bootstrap sample augmentation mechanism},
author = {Yue Su and Patrick Kandege Mwanakatwe},
journal= {arXiv preprint arXiv:2003.10726},
year = {2020}
}
备注
21 pages, 9 figures