- 1、本文档共43页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
© 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
h0 2h
P(x0 h x x0 h)
lim
h0 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
文档评论(0)