R语言 truncSP包 truncSP-package()函数中文帮助文档(中英文对照)

loveR

truncSP-package(truncSP)
truncSP-package()所属R语言包：truncSP

                                         Estimators of semi-parametric truncated regression models
                                         截断半参数回归模型估计的

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Functions for estimation of semi-parametric linear regression models with truncated response variables (fixed truncation point). Estimation using the Symmetrically Trimmed Least Squares (STLS) estimator (Powell 1986), Quadratic Mode (QME) estimator (Lee 1993) and Left Truncated (LT) estimator (Karlsson 2006).
估计的半参数线性回归模型的截断响应变量（固定截断点）的功能。估计对称修剪最小二乘估计法（鲍威尔1986年），二次模式（QME）估计（李1993年）和左截断（LT）估计2006年（卡尔森）（STLS）。


Details

详细信息----------Details----------

</table>  These semi-parametric estimators provide an alternative to maximum likelihood estimators, which are sensitive to distributional misspecification (Davidson and MacKinnon, 1993, p 536). All three estimators use trimming of the conditional density of the error terms. STLS assumes symmetrically distributed error terms, while QME and LT have been shown to be consistent for estimation of the slope parameters under asymmetrically distributed errors as well (Laitila 2001 and Karlsson 2006). The functions in the package (qme, lt and stls), all use optim to maximize or minimize objective functions wrt the vector of regression coefficients in order to find estimates. As the covariance matrices of the estimators depend on the density of the error distribution, the estimation of these is complicated and bootstrap (as described in Karlsson 2004) is used in all three functions.
</ TABLE>这半参数估计提供了另一种最大似然估计，这是敏感的分布式误设的（Davidson和MacKinnon，1993年，页536）。所有这三个估计使用微调的条件密度的误差项。 STLS假设对称分布的误差项，而QME和LT已经示出不对称分布的误差，以及（Laitila 2001年至2006年和Karlsson）下是一致的用于估计的斜率参数。中的功能包（qme，lt和stls），全部采用optim最大化或最小化的目标函数相对于向量回归系数，以便找到估计。的协方差矩阵的估计量的误差分布的密度依赖于，这些估计是复杂和自举（卡尔森2004中描述的）中使用的所有的三个功能。


（作者）----------Author(s)----------



Anita Lindmark and Maria Karlsson, Department of Statistics, Umea University<br><br>
Maintainer: Anita Lindmark &lt;anita.lindmark@gmail.com&gt;




参考文献----------References----------

Davidson, R., MacKinnon, J. G. (1993) Estimation and Inference in Econometrics, Oxford University Press, USA<br><br> Karlsson, M. (2004) Finite sample properties of the QME, Communications in Statistics - Simulation and Computation, 5, pp 567&ndash;583<br><br> Karlsson, M. (2006) Estimators of regression parameters for truncated and censored data, Metrika, 63, pp 329&ndash;341<br><br> Laitila, T. (2001) Properties of the QME under asymmetrically distributed disturbances, Statistics &amp; Probability Letters, 52, pp 347&ndash;352<br><br> Lee, M. (1993) Quadratic mode regression, Journal of Econometrics, 57, pp 1-19<br><br> Lee, M., Kim, H. (1998) Semiparametric econometric estimators for a truncated regression model: a review with an extension, Statistica Neerlandica, 52(2), pp 200&ndash;225<br><br> Powell, J. (1986) Symmetrically Trimmed Least Squares Estimation for Tobit Models, Econometrika, 54(6), pp 1435&ndash;1460

参见----------See Also----------

truncreg, function for estimating models with truncated response variables by maximum likelihood assuming Gaussian errors
truncreg，功能为截断响应变量的模型，通过最大似然估计，假设是高斯错误


实例----------Examples----------


##Simulate a data.frame (model with asymmetrically distributed errors)[＃（非对称分布的错误的模型模拟数据框）]
n <- 10000
x1 <- runif(n,0,10)
x2 <- runif(n,0,10)
x3 <- runif(n,-5,5)
x4 <- runif(n,5,10)
x5 <- runif(n,-5,5)
eps <- rexp(n,0.2)- 5
y <- 2-2*x1+x2+2*x3+x4-x5+eps
d <- data.frame(y=y,x1=x1,x2=x2,x3=x3,x4=x4,x5=x5)
   
##Use a truncated subsample[＃使用截断的子样本]
dtrunc <- subset(d, y>0)

##Use qme or lt to consistently estimate the slope parameters[＃使用QME或LT一贯的斜率参数估计]
qme(y~x1+x2+x3+x4+x5, dtrunc, point=0, direction="left", cval="ols", const=1,
   beta="ols", covar=FALSE)
lt(y~x1+x2+x3+x4+x5, dtrunc, point=0, direction="left", clower="ols", const=1,
   cupper=2, beta="ols", covar=FALSE)
   
##Simulate a data.frame[＃模拟数据框]
n <- 10000
x1 <- runif(n,0,10)
x2 <- runif(n,0,10)
x3 <- runif(n,-5,5)
x4 <- runif(n,5,10)
x5 <- runif(n,-5,5)
y <- 1-2*x1+x2+2*x3+x4-x5+rnorm(n,0,2)
d <- data.frame(y=y,x1=x1,x2=x2,x3=x3,x4=x4,x5=x5)

##Use a truncated subsample[＃使用截断的子样本]
dtrunc <- subset(d, y>0)
  
##Use stls to estimate the model[＃使用次抢断估计模型]
stls(y~x1+x2+x3+x4+x5, dtrunc, point=0, direction="left", beta="ols", covar=FALSE)

转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。


注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。