经济回归模型及计算 童恒庆 第07章.pdfVIP

第七章 非参数回归模型与半参数回归模型 第一节 非参数回归与权函数法 一、非参数回归概念 前面介绍的回归模型，无论是线性回归还是非线性回归，其回归函数形式都是已知的，只 是其中参数待定，所以可称为参数回归。参数回归的最大优点是回归结果可以外延，但其缺点 也不可忽视，就是回归形式一旦固定，就比较呆板，往往拟合效果较差。另一类回归，非参数 回归，则与参数回归正好相反。它的回归函数形式是不确定的，其结果外延困难，但拟合效果 却比较好。 设Y是一维观测随机向量，X是m维随机自变量。在第四章我们曾引进过条件期望作回 归函数，即称 g(X) = E(Y|X) （7.1.1） 为Y对X的回归函数。我们证明了这样的回归函数可使误差平方和最小，即 E[Y − E(Y | X)] 2 = min E[Y − L( X)] 2 （7.1.2） L 这里L是关于X的一切函数类。当然，如果限定L是线性函数类，那么g(X)就是线性回 归函数了。 细心的读者会在这里立即提出一个问题。既然对拟合函数类 L(X)没有任何限制，那么可 以使误差平方和等于0。实际上，你只要作一条折线(曲面)通过所有观测点(Y，X)就可以了是 i i 的，对拟合函数类不作任何限制是完全没有意义的。正象世界上没有绝对的自由一样，我们实 际上从来就没有说放弃对L(X)的一切限制。在下面要研究的具体非参数回归方法，不管是核 函数法，最近邻法，样条法，小波法，实际都有参数选择问题(比如窗宽选择，平滑参数选择)。 所以我们知道，参数回归与非参数回归的区分是相对的。用一个多项式去拟合(Y，X)， i i 属于参数回归；用多个低次多项式去分段拟合(Y，X)，叫样条回归，属于非参数回归。 i i 二、权函数方法 非参数回归的基本方法有核函数法，最近邻函数法，样条函数法，小波函数法。这些方法 尽管起源不一样，数学形式相距甚远，但都可以视为关于Y的线性组合的某种权函数。也就 i 是说，回归函数g(X)的估计g (X)总可以表为下述形式： n n g ( X) = W( X)Y （7.1.3） n ∑ i i i=1 1 其中｛W(X)｝称为权函数。这个表达式表明，g(X)总是Y的线性组合，一个Y对应个W。不 i n i i i 过W与X倒没有对应关系，W如何生成，也许不仅与X有关，而且可能与全体的｛X｝或部 i i i i i 分的｛X｝有关，要视具体函数而定，所以W(X)写得更仔细一点应该是W(X；X，…,X)。这 i i i 1 n