非线性半参数回归模型最大经验似然估计.pdfVIP

应 用 数 学 MATHEMATICA APPLICATA 2009。22(1)：101～ llO * 非线性半参数回归模型的最大经验似然估计 冯三营 ，李高荣 ，薛留根。 (1．洛阳师范学院数学科学学院，河南 洛 阳471022；2．华东师范大学金融与统计学院，上海 200241；3．北京工业大学应用数理学院，北京 100022) 摘要 ：对于非线性半参数回归模型的估计问题，利用经验似然方法，给 出了回归系数， 光滑函数以及误差方差的最大经验似然估计．在一定条件下证 明了所得估计量的渐 近正态性和相舍性． 关键词：非线性半参数回归模型；经验似然；渐近正态性；相合性 中图分类号 ：0212．7 AMS(2000)主题分类 ：62G05；62G2O 文献标识码 ：A 文章编号：1001—9847(2009)01—0101—10 1．引言 考虑非线性半参数 回归’模型 Y— g(x，口)+ (T)+e， (1．1) 其 中Y为实值响应变量，(z，丁)是取值于Rq×[O，1]上的可观测随机向量，∈@为 ×1未 知参数向量，声(·)是定义于闭区间[o，1]上的未知光滑函数．g(·，·)是z，的已知可测函数． 模型误差e与(z，T)相互独立 ，且 E(￡)一0，Var(e)一 。。．在模型(1．1)中，当g(x， — 时，该模型即为部分线性回归模型；当声(T)一0时，该模型即为非线性 回归模型；当g(x， 卢)一z 且 (丁)一0时，该模型即为线性 回归模型． 对于部分线性回归模型，即当g(x，卢)一z卢时，已经有了很深入的结果，详细的讨论可参 ． 考 H~irdle等[1]的著作．当g(x，卢)是X，的非线性 函数时，Zhu与weiI2]在 (z，丁)为非随机设 计点列的情形下得到了参数的渐近有效估计．朱仲义与韦博成[3利用微分几何的方法对模型 (1．1)进行了研究，得到了参数的极大似然估计及其渐近牲质．薛留根[4考虑在协变量z带有 测量误差的情形下，利用核实数据构造了未知参数 的置信域． 经验似然方法是 Owen[5]在完全样本下提出的一种非参数统计方法 ，Qin等m把这一方 法引入半参数模型．所获得的参数的最大经验似然估计和分布 的估计都是渐近有效的．此后 ， 又有许多学者把这一方法应用到各种领域[8]．本文在g(x，)是z，的非线性函数 ，且 (z，丁) 为随机设计的情形下，利用经验似然方法构造模型(1．1)中参数分量，非参数分量以及误差方 * 收稿 日期 ：2008—03—24 基金项 目：国家 自然科学基金资助项 目。中国博士后科学基金资助项 目(20080430633)，上 海市博士后科研资助计划 (08R214121)，河南省 自然科学研究项 目(2OO8Bl10oO9) 作者简介：冯三营，男．汉 ，河南人，讲师，研究方向：非参数统计． 1O2 应 用 数 学 2009 差的最大经验似然估计 ，在一定条件下分别证明了它们的渐近正态性和相合性． 2．方法与主要结果 假设数据 {(z．一 (zn，…，z)，T，Y)) 。是来 自模型(1．1)的一组独立同分布的可观测 随机样本 ，即 Y — g(x。，)+ (T)+ ￡f， (2．1) 其中￡是相互独立的模型误差 ，且E(￡)一0，Var(e)一 。。，i一 1，2，…，．首先假设 已 知，则(2．1)式可以看作一个非参数回归模型 Y—g(xf，卢)一 (Ti)+e，1≤ i≤ n． (2．2) 由 ()一E(y一g(x，卢)IT一 ￡)，所以{6(T)可以由Y一g(x， 和 丁 使用下列方法进行 估计 ：如核估计法，局部多项式估计法，近邻估计法，光滑样条估计法，B样条估计法和小波估 计等非参数方法．FanE 提出的局部多项式光滑方法具有 良好的性质．如它可 以减少 Nada· raya—Watson估计的偏差和 Gasser—Mf