第27章非参数和半参数估计.pdf

© 陈强, 《高级计量经济学及Stata 应用》课件，第二版，2014 年，高等教育出版社。 第 27 章 非参数与半参数估计 27.1 为什么需要非参数与半参数估计 “参数估计法”(parametric estimation)假设总体服从带未知参数 的某个分布( 比如正态) ，或具体的回归函数，然后估计这些参数。 其缺点是，对模型设定所作的假定较强，可能导致较大的设定 误差，不够稳健。 1 “非参数估计法”(nonparametric estimation)一般不对模型的具体 分布或函数形式作任何假定，更为稳健。 缺点是要求样本容量较大，且估计量收敛的速度较慢。 作为折衷，同时包含参数部分与非参数部分的“半参数方法” (semiparametric estimation)，降低对样本容量的要求，又有一定稳 健性。 非参及半参方法与传统的参数法互补；后者不太适用时，可考 虑前者。 2 27.2 对密度函数的非参数估计 考虑根据样本数据来推断总体的分布，即密度函数。 如用参数估计法，则先对总体分布的具体形式进行假定。 比如，假设总体服从正态分布 2 ，然后估计参数 2 。 N (,  ) (,  ) 如果真实总体与正态分布相去甚远，则统计推断有较大偏差。 如不假设总体分布的具体形式，则为非参数方法。 最原始的非参数方法是画直方图，即将数据的取值范围等分为 若干组，计算数据落入每组的频率，以此画图，作为对密度函数 的估计。 3 直方图的缺点是，即使随机变量连续，直方图始终是不连续的 阶梯函数。 为得到对密度函数的光滑估计，Rosenblatt(1956)提出“核密度 估计法”(kernel density estimation) 。 首先考察直方图的数学本质。假设要估计连续型随机变量x 在x0 处的概率密度f (x ) 。 0 概率密度f (x ) 是累积分布函数F (x )在x 处的导数： 0 0 F (x0 h ) F (x0 h ) f (x 0 ) lim h0 2h P(x0 h x x0 h) lim h0 2h 4 对于样本 x , x , , x ，用数据落入区间(x h, x h) 的频率来  1 2 n  0 0 估计概率P(x0 h x x0 h) ，得到直方图估计量： n  1(x0 h x x0 h) n fˆ x i 1 i HIST ( 0 ) 2h 1 n 1 x x0