Resumen

En este artículo, nos enfocamos en modelos de errores en variables heterocedásticos parcialmente lineales de coeficientes variables bajo datos censurados a la derecha con indicadores de censura faltantes de forma aleatoria. Basándonos en la calibración de regresión, imputación y métodos de ponderación de probabilidad inversa, definimos una clase de estimadores de mínimos cuadrados de perfil modificados del parámetro y estimadores lineales locales de la función de coeficientes, que se aplican para construir estimadores de la función de varianza del error. Con el fin de mejorar la precisión de la estimación y tener en cuenta el error heterocedástico, se desarrollan estimadores reponderados del parámetro y la función de coeficientes. Al mismo tiempo, aplicamos el método de verosimilitud empírica para construir regiones de confianza y estimadores de máxima verosimilitud empírica del parámetro. Bajo suposiciones apropiadas, se estudia la normalidad asintótica de los estimadores propuestos. Se considera la

• Materias:Modelo Matemático Gestión ambiental Sistemas dinámicos Datos estructurales Sistema inalámbrico
• Subjects:Mathematical model Environmental management Dynamic systems Structural data Wireless system
• Palabras claves:Papel; Heterocedástico; Coeficiente variable; Modelos de errores en variables; Calibración de regresión; Verosimilitud empírica
• Keywords:Paper; Heteroscedastic; Varying-coefficient; Errors-in-variables models; Regression calibration; Empirical likelihood