广义部分线性单指数模型的惩罚样条估计.docVIP

广义部分线性单指数模型的惩罚样条估计 第26卷第8期 2009年8月 统计研究 StafisficalResearch Vo1.26,No.8 Aug.2009 广义部分线性单指数模型 的惩罚样条估计 刘静欧阳资生吴喜之 内容提要:本文讨论了指数族广义部分线性单指数模型(GeneralizedPartiallyLinearSingleIndexModels,GPLSIM) 的惩罚样条迭代估计,提出了基于惩罚似然和一组预先取定的单指数参数向量a的初始估计的迭代估计算法.另 外本文还通过一组模拟数据的分析对所提出的迭代算法进行了验证. 关键词:广义部分线性单指数模型;惩罚样条;惩罚似然 中图分类号:C813文献标识码:A文章编号:1002—4565(2009)08—0102—1l PenalizedSplinesEstimationforGeneralizedPartially LinearSingle?IndexModels LiuJingOuyangZishengWuXizhi Abstract:Inthispaperwediscussthepenalizedsplinesestimationofthegeneralizedpartiallylinearsingleindexmodelsand proposeaniterativealgorithmbasedonpenalizedlikelihood. Keywords:GeneralizedPartiallyLinearSingleIndexModels;PenalizedSplines;PenalizedLikelihood 一 ,引言 单指数模型即SingleIndexModels(SIM),这里 的index就是我们熟知的指数,如价格指数,股票指 数,健康指数等,是随机变量的函数,也可将其视为 随机隐变量.有的文献称index为指标(如 [15]),两称呼无本质差别.基于指数的模型就是 指数模型(IndexModels),已有文献中所讨论的指 数模型可分成单指数模型和多指数模型两类.不 过指数及指数模型并非随意设定也不能滥用 ([13]). 单指数(single.index)是一个随机变量,用以 表示其他许多变量综合信息中主要的部分,而基于 这个单指数的模型就是单指数模型,其数学表 达式如下: Y7/(口;11)+e,e～N(O,) 其中口称为单指数(SingleIndex),Pgt;1,向量 a川称为单指数参数,.称为单指数回归变量或单 指数回归向量,一元光滑函数刁(?)称为单指数函数. 当回归向量为W=(T,z.)且其中 是单指数回归变量,而Z(q≥1)与响应变量Y之 间呈线性关系时,SIM模型就被推广为部分线性单 指数回归模型(PartiallyLinearSingleIndexModels, PLSIM),其表达式如下: Y=(口PT1p1)+l口l+e,e～N(O,) PLSIM模型综合了单指数模型和部分线性模型的优 点,在计量经济学和生物统计学等领域有广泛应用. 当一元响应变量Y服从指数族分布时,PLSIM 模型就被推广成指数族广义部分线性单指数模型 (GeneralizedPartiallyLinearSingleIndexModels,简记 为GPLSIM),SIM模型和PLSIM模型都可看作 GPLSIM模型的特例. GPLSIM由[3]最早提出,被看作是指数族广义 线性模型的推广,而这一推广弥补了参数广义线性 模型的一些缺陷.另外GPLSIM模型还有其他优点 (见[3]),比如: 降维:若x.是Pgt;1维回归变量,即x =(一,),则变换arX将回归问题】7(,…, .)由P维空间的非参数回归降低到一维空间的非 第26卷第8期刘静等:广义部分线性单指数模型的惩罚样条估计103? 参数回归问题,这样当P非常大时,不仅通过降维 避免了维数祸根,还保留了高维数据的重要特征, 在小/7,大P情形下比广义可加半参数模型能更好 地应对维数祸根问题; 可以在降维的同时对协变量之间的交互效应进 行研究,而这些交互效应有时是广义可加或函数系 数模型无法处理的. 讨论广义部分线性单指数模型的研究文献并不 多,其中[3]讨论了基于直接估计和局部多项式迭代 估计两种方法上的模型估计,推断以及统计计算,另 外还有文献讨论了GPLSIM模型基于核光滑的估计 和推断,从局部似然的角度讨论了模型的估计和推 断. 文献[1O]的作者之一Yu,Y.在其一篇Working Paper中讨论了GPLSIM模型的惩罚样条估计,为避 免广义非线性回归估计(为得到参数a估计的更 新)和广义半参数回归模型惩罚样条估计(为得 到刁(?)和线性部分参数p估计的更新)之间的迭 代,Yu,Y.提出了基于