非参数回归函数的稳健Bootstrap.pdfVIP

总39卷　第3期 数　学　研　究 V o l. 39　N o. 3 2006年9月 Jou rnal of M ath em at ical Study Sep. 2006 非参数回归函数的稳健Boo t strap 林少炜　　林建华　　吴绍凤 ( 厦门大学数学科学学院, 福建 厦门 36 1005) 摘　要　在有异常值的数据中, Boo t strap 样本可能比原有样本含有更高的“污染”, 这会降低所 要做的统计推断的有效性. 本文讨论在非参数回归N - W 估计中, 如何利用影响函数得到重新抽 样的概率, 使用倾斜的Boo t strap 方法得到曲线的拟合, 从而达到有效地抵制异常值对回归函数影响 的目的, 数值模拟的结果表明这种处理方式的有效性. 关键词　非参数回归; Boo t strap ; 影响函数; 带宽选择 中图分类号　 2 11. 1　　　文献标识码　 O A 1　引　　言 由于 目前越来越多的数据不适合用参数回归来进行数据拟合, 而非参数回归是基于数据 本身, 因此非参数回归方法的研究越来越受到人们的重视. 有关非参数回归的原理及其应用 的专著有许多, 如 [ 13 ]、 [ 9 ]、 [ 14 ] 和 [ 6 ] 等分别介绍了非参数回归 Eubank M u ller H ard le W ahba 在许多实际问题中的应用. 而自从七十年代末 E fron [ 1] 引入Boo t strap 方法后,Boo t strap 方法 有着广泛的运用, 如点估计、统计推断、曲线拟合、致信区间的构造等. 然而, 在回归函数中, 如 果数据中含有异常值时, 进行传统的Boo t strap 有很明显的缺陷, 即数据拟合的效果可能很不 理想[ 11 ] [ 12 ]. 造成这样问题的主要原因是每个数据点被以等概率抽取, 这样得到的Boo t strap 样本可能受到比原始样本更大的“污染”, 由此导致可能数值结果失真. 然而若直接去掉 异常值进行估计或推断, 这就可能丢失了数据中的信息, 因此也不被人们接受. 对于这类数据 中含有异常值时, 稳健估计的Boo t strap 不失为一种有效的方法, 但也有一些数值例子表明, 仅 仅使用稳健估计的Boo t strap 还是不够的, Singh [ 11 ] 指出了即使估计有很高的崩溃点(b reak dow n po in t) , 但在Boo t strap 中可能很低. 由于非参数回归函数估计几乎基于数据本身, 数据 中有异常值就需特别注意, 传统的Boo t strap 可能产生较大的偏差. 本文首先使用Am ado 和 P ires[2 ] 引入的一种倾斜Boo t strap , 其基本思想为使用加权经验分布, 即在经验分布F 中的数 据 有权重 . X i p i ( j = i ) = i , , = 1, 2, …, . P X X X p i j n 其中 j 为 的第 个样本. = { 1 , 2 , …, n }为原始样本, { 1 , 2 , …, n }构成一个 X Boo t strap j X X X X p p p 多项分布, 满足