删失线性回归的 R 函数

Question

关闭。这个问题不满足Stack Overflow guidelines .它目前不接受答案。












想改善这个问题吗？更新问题，使其成为 on-topic对于堆栈溢出。

7年前关闭。



Improve this question




用户，

我正在寻找用于删失线性回归的 R 函数。我有
以下数据

x1 <- rnorm(100)
x2 <- rnorm(100)
y <- x1 + 2*x2 + rnorm(100,0,0.5)
stat <- rep(1,100)
stat[50:100] <- 0
data <- data.frame(y,x1,x2,stat)

y 是因变量，x1 和 x2 是自变量
线性模型。变量 y 可以被右删失，这个信息
在变量 stat 中，其中 1 表示观察到，0 表示
审查。如果 stat 为 0，则 y 中的值是观察到的
右删失值并且可能更大。使用 Tobit 模型将
在这里不是正确的，因为 Tobit 模型假设相同
所有观察的限制，在我的数据中 y[50:100] 的每个值都可以
有不同的限制。

如果我使用线性回归

lm1 <- lm(y ~ x1 + x2, data=data)
summary(lm1)

审查未纳入，所以我的想法是使用 survreg
生存包

library(survival)
s1 <- survreg(Surv(y, stat) ~ x1 + x2, data, dist='gaussian')
summary(s1)

我的问题是，这是实现我目标的正确方法吗？对吗，那个
这里每个审查意见可能有自己的限制？

谢谢和最好的问候

安德烈亚斯

Answer 1

is this the right approach for my aim?

是的。

Is it right, that here each censored observations could have its own limit?

是的。