一类变系数模型局部最小二乘估计的多少大样本性质.pdfVIP

摘 要 变系数模型(Varying-coefficient 包括核估计、局部多项式、样条估计等方法，这些方法在处理一维数据时 显示了强大的处理能力，但是随着维数的增加，高维领域所包含的样本 减少，较难估计一般的多元函数．变系数模型是现代数理统计中针对处 of 理高维数据时遇到的困难，即“维数祸根”(CurseDimension)应运而生 的模型．它既部分继承了非参数回归的稳定性特点，同时又保留了线性 模型的直观、容易解释等特点．同时，许多其他模型如：线性模型、部分 andTibshirani 线性模型(Hechman1986，Speckman1988)、可加模型(Hastie 1990) 1985，Cleveland1991)等都可以看成变系数模型的 及动态广义线性模型(West 特殊形式，因此对它的研究近年来逐渐受到人们的极大的关注并且被广 泛而深入的应用于生物、医学等方面． 本文主要考虑了一类重要的变系数模型； p si冬n) 雏=∑岛(扎)z玎+矗， (1 j=1 这里(％☆)是数据点列，且跣，=1，(1≤i≤n)，岛(“)O≥1)是未知的函数； and 6】中利用局 Zhang(2000)在【1 E。是独立同分布(i-i．d)的随机变量．与Fan 部最小二乘标准的两步估计量来估计系数函数不同，考虑到这一类变系 数模型本身的特点，本文先保留第P个分量的函数，以至于尽量减少损失 模型的信息，仅对前P一1个函数系数展开，利用局部最小二乘方法得到 前p一1个函数的估计量声(如)，再代回到原模型中求得第P个函数的估计 鼠(￡)；同时本文也构造了方差a。的估计量护，并且讨论了这些估计量的 若干大样本性质．本文的主要内容为。首先介绍了常用的非参数回归方 法、变系数模型的发展和研究现状以及本文的主要结果、引理和假设条 件．其次讨论了在数据点为固定设计点列、误差随机变量同、异方差场 合下，估计量的渐进正态分布．另外在误差随机变量独立同分布下，本 文还讨论了所构造的估计量收敛到真实值的重对数率和Beery-Esseen界． 最后对估计量在Matlab中进行模拟研究． 通过本文的讨论从理论上说明在数据为固定设计点列情况下，对此 一类重要的变系数模型，文中所给出的局部最小二乘估计具有优良的渐 进正态、重对数收敛率和分布函数收敛的Berry-Esseen界等大样本性质 从而对变系数模型的研究提供了另一种途径， 关键词： 变系数模型， 局部最小二乘， 渐进正态性， 重对数率， Berry—Esseen界 II ABSTRACT and Cleveland，Grosse proposedby Shyu(1992)， Varying-coeffcientmodeis(VCM)was tIa8tieand detail．Aswehave thendiscussed by Tibshirani(1993)in known，estimation in and deal regressionincludingke