变系数模型的局部加权组合分位数估计.pdfVIP

应用概率统计 第三+卷 ChineseJournalofAppliedProbability 第六期 2014年12月 and StatisticsVb1．30NO．6Dec．2014 变系数模型的局部加权组合分位数估计 半 解其 昌 吕秀梅 (山东工商学院经济学院，烟台，264005) (重庆工商大学财政金融学院，重庆，400067) 摘 要 变系数模型是经典线性模型的推广，它以更加灵活的形式来模拟变量间的非线性关系．采用局部 加权组合分位数方法来估计模型的系数函数．推导出估计量的局部Bahadur表示以及渐近正态性．构 造一个二次规划，给出了最优权重的选择方法．对于非正态误差分布，理论分析和数值模拟表明局部加 权组合分位数比局部最小二乘估计有更高的效率：而对于正态误差分布，局部加权组合分位数与局部 最小二乘估计有着几乎同样的效率．通过MonteCarlo模拟和实证分析，检验估计量的有限样本性质， 结果与理论相一致． 关键词：变系数模型，渐近正态性，渐近相对效率，局部加权组合分位数估计． 学科分类 号：O212．2． §1． 引 言 随着现代数据分析技术的不断发展 以及计算能力的快速提升，传统的参数模型已经不 能完全满足人们的需求．如何开拓变量之间的隐式结构，成为科学研究的新主题．在这种 背景下，推广线性模型和增加它们的灵活应用成为必然趋势．这期间许多非线性模型和它 们变换的模型已经快速发展起来了．其中，最受关注的模型之一就是变系数模型(Hastie 和Tibshirani，1993) Y=ao(U)+X Q()+￡， (1．1) 这里T是转置运算，y是反应变量，OL0()与Q(∽ =(OL1()…．， ())是关于协变量 的 未知光滑系数函数，X = (Xl… ．， )是协变量，P是大于等于l的正整数，及￡是随机误差． 从方程 (1．1)中可以看出变系数模型允许系数依赖于某些协变量． 过去几十年里，变系数模型已经在理论及应用中得到了迅速发展．在理论方面，局部多 项式和光滑样条常用来估计模型f1．1)．当系数函数有不同光滑度时，Fan~lZhangf1999)提 出了一个两步局部多项式法来估计变系数模型．Cai等(2000)发展了局部多项式技术并且 建立了变系数模型估计的渐近理论．基于样条近似，Huang等(2004)给出了系数函数估计 的收敛率．Wang等(2oos)进一步讨论了样条近似变系数模型方法并把它应用于变量选择 教育部基金(109140)N~1山东工商学院博士启动基金(521014306203)资助 本文2013年12月3O日收到，2014年6月24日收到修改稿． doi：10．3969／j．issn．1001—4268．2014．06．007 632 应用概率统计 第三十卷 上．关于这两种方法的更多详细介绍可参考Fan~DZhangf2008)以及其中的文献．在应用方 面，变系数模型已经被广泛用于金融计量、生物医药、政治科学和环境工程等方面．例如， Hong~DLee(2004)考虑变系数模型在金融计量方面的应用；Cederman$I]Raof2001)用变系 数模型来研究国际冲突：以及Cai和Tiwari(2000)把变系数模型用于环境科学问题的检验． 事实上，不像其它非参数模型会遭到 维“度祸根”的影响，变系数模型引起 了人们的极大兴 趣． 上述文献中所提到的估计方法几乎都是基于最小二乘法(最小化残差平方和或加权残 差平方和)．虽然该方法容易操作且由它所得到的估计服从渐近正态分布，但是由于最小二 乘回归的不稳健性使得这些估计对一些异常值点(outlyingpoints)~常敏感．同时，当误差 项远离正态分布时，最小二乘估计的效率会明