几种非参数方法比较分析.pptVIP

几种非参数方法的比较分析 引言 非参数模型的一般形式 几种非参数估计方法 核回归估计法 局部多项式估计法 多项式样条估计法 光滑样条估计法 几种非参数估计方法的优缺点比较 非参数估计方法是近二十年来现代统计学发展的一个重要方向，又称分布自由检验，主要是不受总体分布的限制，不假定总体分布的具体形式，尽量从数据或样本本身获得所需要的信息，通过估计而获得分布的结构，并逐步建立对事物的数学描述和统计模型的方法。 特点：在实际应用中由于不需要预先设定模型的具体形式和误差分布，可以获得较宽的非线性变化，同时，在抽取样本对总体进行估计时，不必依赖于样本所从属的总体的分布形式，可以广泛地应用于不同类型的总体，这对减小偏差、提高预测精度、了解样本序列的动态结构都是极其有用的。当总体分布很不规则时，经典的置信区间可能无效，即置信区间不是真的有所期望得那么高，即使经典的置信区间可以合理地认为有效，非参数统计方法也可以提供一个更精确的置信区间。 1.非参数模型的一般形式 核回归估计法 局部多项式估计法 多项式样条估计法 光滑样条估计法 1 .核回归估计法 Nadaraya-Watson估计（也称赋权估计），估计如下： 几种非参数估计方法的优缺点比较 谢谢观看 *** 引言 其中 是观测误差， 为样本点，m为一任意形式的未知实值函数，即m的形式完全未知，当Xi 为一维或多维时分别称为一维与多维非参数模型。 （1） 非参数模型(1)有两种情形，第一种情形称为随机设定模型。随机变量 是独立同分布的，此时回归曲线可以定义为：，如果联合密度 f(x,y)存在，m(x)可以表示为： ，其中 是X的边际密度。 第二种情形称为固定设计模型，模型中 是非随机变量，在许多情形中， 被假定为等分布于区间[a，b]上，不失一般性，可以假定[a，b]=[0，1]， 。无论是随机变量还是非随机变量，他们的估计原理都是对相邻变量进行平均。 几种非参数估计方法 核估计的权函数定义为： 这里 ， 是窗宽，函数 称为X的密度的Rosenblatt-Parzen核密度估计；核函数K是一个连续、有界、对称的实值函数且其积分为1，对于核函数的选择有很多种、像高斯核、三角核、四次方核等。最优核函数 是由Epanechnikov（1969），Bartlett（1963）提出的，被称为Epanechnikov核，同时它是一个万能的加权方式，并对比较核提供一个有用的基准。前苏联的E.A.Nadaraya 和美国的G。Watson于1964年各自独立发表了一种被称为核函数估计的统计方法，后来就以Nadaraya-Watson 命名这种非参数回归的核估计方法 ，广泛记为Nadaraya-Watson估计。 其中 Xi可以为一维或多维。核估计是一种非常常用的非参数估计方法，但是这种方法在使用时需要考虑边界点对其的影响。 【1】鲁万波1,李竹渝2.股票收益率波动性的非参数核回归估计及对中国股市的实证 分析[J]. 高校应用数学学报A辑,2005,20(1):9-16 【2】李新娜.基于二阶微分的Nadaraya_Watson核估计[J].统计与决策,2014,10 【2】李新娜.中国沪深股市结构性波动的政策性影响因素[J].中国管理科学,2012,20（6） 2 .局部多项式估计法 局部多项式估计是一个用途很广的非参数技术，系统介绍这种估计方法、结果可参见 Stone(1977)；Cleveland (1979)；Fan 和 Gijbeis(1996)。其估计思想如下：由于回归函数的形式没有被指定，因而距离 x0远的数据点对 m(x0)提供了很少的信息，因此我们只能使用 x0附近的局部数据点。假设 m(x)在 X=x0处有 p+1阶导数，由Tayloy展开，对 x0邻域内任一点 x ，我们有 若令 ，