Ir al contenido

Documat

Global Polynomial Kernel Hazard Estimation

  • MUNIR HIABU [1] ; MARÍA DOLORES MARTÍNEZ-MIRANDA [1] Árbol académico ; JENS PERCH NIELSEN [1] ; JAAP SPREEUW [1] ; CARSTEN TANGGAARD [2] ; ANDRÉS M. VILLEGAS [1]
    1. [1] City University

      City University

      DCC (Kotwali), Bangladés

    2. [2] Aarhus University

      Aarhus University

      Dinamarca

  • Localización: Revista Colombiana de Estadística, ISSN-e 2389-8976, ISSN 0120-1751, Vol. 38, Nº. 2, 2015, págs. 399-411
  • Idioma: inglés
  • DOI: 10.15446/rce.v38n2.51668
  • Títulos paralelos:
    • Ajuste polinomial global para la estimación kernel de la función de riesgo
  • Enlaces
  • Resumen
    • español

      En este artículo se introduce un nuevo método de correción del sesgo para la estimación n\ucleo de la función de riesgo. El método, denominado ajuste polinomial global (APG), consiste en una corrección global que es aplicable a cualquier tipo de estimador núcleo de la función de riesgo. Se comprueba que APG posee buenas propiedades asintóticas y que consigue reducir el sesgo sin incrementar la varianza. Se realizan estudios de simulación para evaluar las propiedades del APG en muestras finitas. Dichos estudios muestran un buen comportamiento en la práctica del APG. Esto es especialmente alentador dado que para muestras finitas los métodos tradicionales de reducción del sesgo tienden a tener un comportamiento bastante pobre.

    • English

      This paper introduces a new bias reducing method for kernel hazard estimation. The method is called global polynomial adjustment (GPA). It is a global correction which is applicable to any kernel hazard estimator. The estimator works well from a theoretical point of view as it asymptotically reduces bias with unchanged variance. A simulation study investigates the finite-sample properties of GPA. The method is tested on local constant and local linear estimators. From the simulation experiment we conclude that the global estimator improves the goodness-of-fit. An especially encouraging result is that the bias-correction works well for small samples, where traditional bias reduction methods have a tendency to fail.

  • Referencias bibliográficas
Los metadatos del artículo han sido obtenidos de SciELO Colombia
Fundación Dialnet

Mi Documat

Opciones de artículo

Opciones de compartir

Opciones de entorno