Algoritmo de muestreo de importancia de remuestreo con variable de respuesta faltante no ignorada basado en regresión por cuantiles suavizada
Autores: Guo, Jingxuan; Liu, Fuguo; Härdle, Wolfgang Karl; Zhang, Xueliang; Wang, Kai; Zeng, Ting; Yang, Liping; Tian, Maozai
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Regresión por cuantiles
Datos faltantes
Regresión por cuantiles suavizada
Ponderación de probabilidad inversa
Estimadores de verosimilitud empírica
Regresión no paramétrica con núcleos
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 34
Citaciones: Sin citaciones
La presencia de variables de respuesta faltantes no ignorables a menudo conduce a patrones de distribución condicional complejos que no pueden ser capturados efectivamente a través de la regresión de la media. En contraste, la regresión cuantil ofrece valiosos conocimientos sobre la distribución condicional.
Descripción
La presencia de variables de respuesta faltantes no ignorables a menudo conduce a patrones de distribución condicional complejos que no pueden ser capturados efectivamente a través de la regresión de la media. En contraste, la regresión cuantil ofrece valiosos conocimientos sobre la distribución condicional.