基于变系数模型的自适应分位回归方法.pdfVIP

数学年刊 2012，33A(5)：539—556 基于变系数模型的自适应分位回归方法冰 张圆圆1邓文礼2田茂再。 提要提出了变系数模型条件分位估计的一种新方法．变系数模型已经成为经济学、流行病学、纵向 数据和医学领域处理高维数据的有力工具．该模型有助于探测数据的动态特征、降低模型偏差、避免高 维灾难，同时便于解释．尽管关于变系数模型条件均值的估计已经有很多文章，但关于变系数模型条 件分位的估计方面的文章相对较少．文中提出了一种有效的适应性分位回归方法来诊断出齐性邻域， 进行局部自适应窗宽选择和局部线性逼近，同时给出了估计量的风险界和最优窗宽的自动选择准则． 模拟研究说明了所提出估计方法的效果． 关键词自适应加权光滑，条件分位，齐性检验，局部多项式，变系数 MR(2000)主题分类62G05，62G20，60G42 中图法分类0175．29 文献标志码A 文章编号1000—8314(2012)05—0539—18 1引 言 变系数模型的提出旨在克服数据的高维灾难和探测数据的动态特性．这种模型将经 典的非参数回归模型进行了推广，在过去的十几年间得到广泛关注．该模型已成功地应 析[11-1a】以及变系数广义线性模型【14】．在以上的变系数模型中，研究者大多探讨响应变 量的条件均值与所对应的预测变量问的关系．这些模型假定条件均值函数存在，而实际 上可能并非如此(例如，柯西分布的有限阶矩是不存在的)．即使条件均值存在，但在某些 应用中条件期望的估计可能是不稳健或不合适的【15】．例如，在研究经济不平等性及流动 性等问题时，人们对贫穷(下尾)与富裕(上尾)的情况更感兴趣．所以作为均质的替代， 这时我们愿意考虑一系列的条件分位数． 的工具．简单来讲，这种模型就是将条件分位作为预测变量的函数．与传统线性回归模 型不同，分位回归模型不是考察当协变量变化时因变量的条件均值的变化，而是考察因 变量的条件分位的变化．所_以，该模型可以根据研究者的需要探测数据分布的任意位置 预定．如果要了解更多关于分位回归模型的发展，可以参考文[1724]．近年来在分位回 归框架下的变系数模型得到越来越多的关注．针对独立时间序列数据，Honda[25]提出了 变系数分位回归模型的局部多项式方法． Kim[26J提出利用局部样条方法来估计变系数 分位回归模型． Cai和Xu[27J使用了局部多项式和局部常数方法来估计分位回归模型的 光滑系数． 本文2011年7月20日收到，2012年5月17日收到修改稿。 1中国人民大学应用统计学院，北京100872．E—mail：yuanzhang@ruc．edu．an 2香港浸会大学数学系，香港九龙塘． E—mail：mltang@math．hkbu．edu．hk 。通讯作者．中国人民大学应用统计学院，北京100872E—mail：mztian@rue．edu．cn (重大基础研究计划)(No．10XNL018)资助的项目． 万方数据 数学年刊 33卷A辑 本文，我们考虑采用局部多项式方法来逼近分位回归系数函数．局部多项式方法由 种更有效的局部自适应窗宽方法来确定用于局部线性逼近的特定齐性邻域．另一方面， Polzehl和Spokoiny[28】只是将自适应加权光滑方法用到了均值回归，并没有涉及分位回 归．将他们的方法拓展到条件分位回归问题是相当有挑战性并且有意思的．其实在条件 分位回归的背景下推导自适应加权光滑估计量的性质更加困难．我们得到了在一些更弱 8j 的假设，因为矩是不存在的．所以将该方法拓展到更普遍的情形是非常有必要的．再则， 我们考虑了多种误差分布，包括重尾分布、半重尾分布，甚至方差或均值根本不存在． 另外，与文f281相比，本文在估计量的提出和解释方面更加简洁、清楚． 本文安排如下：第2节阐述了自适应局部多项式估计的主要思想、方法的实施步骤 及参数的选择．第3节给出了该方法的理论性质．第4节主要通过模拟对所提出的方法 及现有的一些方法进行了对比．第5节给出了简要的结论． 2自适应估计