Simulation-Extrapolationsschätzung in parametrischen Messfehler-Modellen

Zusammenfassung Wir beschreiben eine simulationsbasierte Inferenzmethode für parametrische Messfehler-Modelle, bei denen die Varianz der Messfehler bekannt oder zumindest gut geschätzt ist. Die Methode besteht darin, zusätzliche Messfehler in bekannten Schritten zu den Daten hinzuzufügen, Schätzungen aus den verunreinigten Daten zu berechnen, einen Trend zwischen diesen Schätzungen und der Varianz der hinzugefügten Fehler zu etablieren und diesen Trend auf den Fall ohne Messfehler zurückzuextrapolieren. Wir zeigen, dass die Methode äquivalent oder asymptotisch äquivalent zur Methode der Momente in der linearen Messfehlermodellierung ist. Simulationsstudien zeigen, dass die Methode Schätzer produziert, die nahezu asymptotisch unverzerrt und effizient in standardmäßigen und nicht-standardmäßigen logistischen Regressionsmodellen sind. Eine übermäßig vereinfachte, aber ziemlich genaue Beschreibung der Methode ist, dass es sich um eine Schätzung nach der Methode der Momente handelt, die Monte-Carlo-abgeleitete Schätzgleichungen verwendet.