管理课件空间半参数变系数部分线性回归中的分位数估计.pdf

唐庆国：空间半参数变系数部分线性回归中的分位数估计 迄今为此，已有不少人研究过变系数部分线性模型并已开发出不少新的理论成果，如文献 1『1—141， 文献 1『3]研究了纵向数据变系数部分线性模型的分位数估计．同均值回归相 比，分位数回归具有 以下 几方面的优势：第一，给定一列分位数并对其中的每一个做分位数回归能让我们对数据比单纯做均值 回归有更多的认识和理解；第二，分位数拟合可用于构建预测区间；第三，中位数回归作为分位数回归 的一种特例能提供比均值回归更稳健的估计．自从文献 f151所取得的突破性进展，分位数回归方法已 引起人们的广泛关注并已广泛应用于统计的各个领域，相关研究详见文献 f161．本文首先用逐段多项式 逼近模型中的未知系数函数 ()，r=1，… ，d1并通过极小化算法得到 的分位数估计量．这些逐 段多项式不能作为系数函数的估计量，因为它们只是逐段光滑的．为了估计 (乱)，模型中我们用 的估计量代替 ，用局部多项式逼近 (Ⅱ)，并通过极小化算法得到 ，(“)的分位数估计量．在一般 性条件下，我们推导了未知参数向量 的渐近分布，并建立了未知系数函数 f)在 内点和边界点 的渐近分布． 本文的结构如下：第 2节提出估计方法；第 3节给出估计量的渐近性质；第 4节通过 MonteCarlo 模拟研究估计量的有限样本性质；所有的证明放在第 5节． 2 估计方法 假定有观测数据 ( ， ， ， ，)，1≤i≤m，1≤J≤凡，总的样本容量为N =m ×n．不失一般 性，假定 0≤ ≤1． 首先估计 ．我们先构造阶为 s的逐段多项式．给定正整数 MⅣ，我们将区间 0【，11等分成 MⅣ 个子区间，每个子区间的长度为 2ho=1／MN．令 L= [(一WMN，．／MN)，1≤ ≤MN一1，M = f1～1／MN，1]．令 t为区间L 的中心，而)(表区间 的示性函数，即当札E 时，)(()=1，而 ，“∈ 时，)(u)=0．令 u)=(1，]U(--t~)，[ =1．．．．．MN H(u)=(Xi() (乱)T 令 b =(bo，．．．，6。)T，b：(61，．．．，6M )T．我ff]用 (，“)=H(u)Tb逼近 (札)，r=1，．．．，d1． 我们注意到 (札)为阶为s的逐段多项式．令B”：XijH(Uij)，b=(…．，6夏)T．基于空间观测 数据 {( ， j，Zij，J)：1≤i≤m；1≤J≤礼)，我们解下面的关于 ，b的极小化问题： 一 口 6一 2‘·1’ 此处，P(￡)= (7-一 o))，0丁1为7-分位数损失函数．令 和6为 (2．1)的极小值点，那么， 的丁分位数估计量为 ． 得到 的估计量后，对给定点 0∈0【，l】，在札0邻域内，我们用局部线性函数avo+。l(U一1,／0)逼近 未知的系数函数 n (乱)(r=1，… ，d1)．基于空间观测数据 (( ， J，，，J)：l≤i≤m；1≤J≤n)， 我们解下面的极小化问题： ra in 。 。 。， 薹p(1—z一dln。+nrc己，训 K( )， 2 900 中国科学 ：数学 第 43卷 第 9期 此处， ()·是给定的核函数，h=hu为选定的窗宽．令 0和 为 (2．2)的极小值点，那么， (u0) = (1(0)，… ， d(札0))T的7-分位数估计量为 a (0)=(a1(0)，… ，ad(“0))T=a0=(a10，…，adlo)T． (2．3) 3 估计量的渐近结果 本节将给出分位数估计量 和 a，(0)的渐近性质．为了推导渐近性质，我们先给出空间混合 相依性概念．令 {( ， ， Zi ))，(i，J)∈z。为严平稳