变系数模型的研究及分析.docVIP

变系数模型的研究与分析 【摘要】：非参数回归一般假定回归函数属于某一个函数类，如常常假定回归函数是一个光滑的函数，因此非参数回归对模型的假设很少，最主要的优点就是模型具有稳健性。非参数回归作为现代统计分析的主要方法之一，得到广泛的应用。对于非参数回归人们提出了许多估计方法，如核估计，局部多项式估计，光滑样条估计，级数估计(傅里叶级数估计，小波级数估计)等。这些方法本质上讲都是局部估计或局部光滑，当回归变量X为一维变量时，非参数回归函数用这些方法一般都能得到很好的估计。但当回归变量是多维向量时，由于X的局部邻域包含很少的数据，用这些估计方法，很难估计出一般的多元非参数回归函数，人们把这种现象称为维数祸根(thecurseofdimension)。可是实际中我们经常遇到的是高维数据，因此高维数据分析是人们一直关心的问题，近年来统计工作者提出了许多分析方法，总得来说可以分为两大类：一类称为函数近似(functionapproximation)，如可加模型(HastieandTibshirani,1986)，部分线形模型(Engle,etal;1986)；另一类为降维(dimensionreduction)，如SIR回归(slicedinverseregression(Li,1991))，投影追踪回归(projectionpursuitregression)(FriedmanandStue