偏线性变系数分位回归模型的自适应局部多项式估.pdfVIP

摘 要 非参数模型、变系数模型以及分位回归模型是当今回归分析中研究的热点 问题，在实际问题尤其是在多变量数据分析、经济学、金融学中有着广泛的应 用。 偏线性变系数分位回归（Partially Linear Varying Coefficient Quantile Regression ，以下简称PLVCQR ）模型是半参数分位回归模型的一种，是带有线 性部分的变系数分位回归模型。PLVCQR 模型具有非参数模型灵活性强的特点， 又兼具参数模型解释性好的特点。 本文研究的是 PLVCQR 模型的估计问题。PLVCQR 模型的现有估计方法有 B 样条法和局部多项式法。应用 B 样条法的时候需要事先设定节点和基函数， 局部多项式法在应用的时候需要事先给定窗宽，窗宽的选择决定了估计的效果。 我们发现如果直接套用局部多项式法估计 PLVCQR 模型，估计出的常数系数会 随着待估计点的变化而变化，并不是常数，为了解决这一矛盾，本文提出把原 来的一步估计改为两步估计，使常数系数的估计更加有效，同时将函数系数的 估计转化为变系数分位回归模型的估计问题，并提出把自适应加权光滑的思想 应用到偏线性变系数分位回归模型的窗宽选择中，这样可以在估计的过程中根 据数据的分布和函数系数的结构选择合适的窗宽。 最后我们用蒙特卡洛模拟比较了 B 样条法、固定窗宽的局部多项式法和自 适应窗宽的局部多项式法估计 PLVCQR 模型的效果。模拟结果显示，本文提出 自适应窗宽的局部多项式方法具有更高的精度，同时也能更好地识别出函数系 数的阶跃点。 关键词：分位回归；变系数模型；自适应加权光滑法；局部多项式法 Abstract At present, semiparametric model, functional coefficient model and quantile regression are key issues in the field of regression analysis, they have been applied widely in multi-variable data analysis, economics and finance. Partially Linear Varying Coefficient Quantile Regression models(PLVCQR) are a class of semiparametric models with constant coefficients. PLVCQR help to explore the dynamic feature, reduce modeling bias, alleviate the curse of dimensionality. They are considered for a good balance between flexibility and parsimony. We mainly study the estimation problems of PLVCQR models. Local polynomial and B-splines smoothing methods have been developed for partially linear varying coefficient quantile regression models. When using B-splines method, users have to provide knots set or knots number. The local polynomial estimate has several nice properties such as high statistical efficiency in an asymptotic minimax sense and automatic correction. The bandwidth h of t