变系数统计模型研究进展.pdfVIP

科技信息 变系数统计模型研究进展 新疆大学数学与系统科学学院 张辉国 新疆财经大学应用数学学院 王合玲 [摘 要]对非参数回归统计分析领域内提出的变系数回归模型和空间变系数回归模型及其相关研究进展作了较全面的回顾。简要介 绍了变系数回归模型和空间变系数回归模型的基本理论，梳理了近20 年内两类非参数回归分析技术在模型设定、估计方法以及统计 推断理论等方面的研究脉络，还着重讨论了两类回归模型亟待解决的问题和未来的研究方向。 [关键词]非参数回归分析 变系数回归模型 空间变系数模型 空间数据 线性回归模型是分析变量间相依关系的强大统计方法，被广泛应 法（cross-validation，CV）、施瓦兹信息信息准则（Schwarz information 用于众多领域。Hastie 和 Tibshirani[1]通过设定线性模型的参数为某些 criterion，SIC）和赤池信息准则[6] (AIC)。研究发现，若变系数模型的各 协变量的非参数函数，提出了变系数模型（varying coefficient models） 个系数具有不同光滑度（degrees of smoothness）时，情况将变得非常复 用于探索高维数据回归结构的动态模式。变系数模型极大扩展了经典 杂，因为要得到不同光滑度系数的有效估计，必须对各个系数选择不同 线性回归模型，此后近二十年内，变系数模型被深入研究，并被应用于 的带宽水平，高光滑度系数函数需要较大的带宽水平，而低光滑度系数 [2] 许多学科领域，如环境科学、生态学、计量经济学、金融学和医学等 。 则需要较小的拟合带宽。然而实现这一操作并不容易，主要原因在于 1.变系数回归模型及其研究进展 缺乏各个系数光滑度的具体信息，因此不得不在多个带宽水平下，采用 变系数模型一般形式可表示为： 分步拟合方法[7] 。事实上以系数估计为目的而选择的最优带宽水平并 不一定适合假设检验的需要。不同光滑度的系数在不同光滑水平下被 分别估计，这使得为每个系数的统计检验选择一个适宜的光滑水平变 其中 表示响应变量，而 和 表示协变量，误差 得更加困难。变系数模型被视为探索变量间回归关系的重要工具，应 满足 和 ， 用于众多学科领域，但是变系数模型系数估计和统计推断却始终被“最 是关于 的一些未知非参数函数。此外，当设定 优带宽选择”和“系数具有不同光滑度”等问题困扰。此外，前述文献中 时，模型将包含一个变截距项。 所涉及的检验方法主要从全局角度检验系数是否变化，而不能充分探 变系数模型兼具线性回归模型良好的解释性和非参数回归模型的 索那些变化系数函数的细部变化特征。因此，有必要发展新的变系数 灵活性，在探索回归关系动态特征方面是一个强有力工具。变系数模 模型推断方法用于分析系数函数显著的动态变化特征，如系数函数的 型能够显著减少模型设定的偏误（modeling bias），并且能有效避免“维 单调性、峰值和谷值等，这在实际应用中是不可或缺的。 [3] （curse of dimensionality）。因其良好的适应性和解释能力， 另外一个值得关注的问题是变系数模型的稳健推断方法，若数据 数灾难” 变系数模型被用于分析纵向数据（longitudinal data）、函数型数据 集存在异常值，它们会在回归系数函数估计中创造出虚假的回归关系 （functional data）、生存数据（survival data）以及时间序列（ti