半参回归模型地两步回归估计.pdfVIP

原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师指导下，独立进行研究 所取得的成果．除文中已经注明引用的内容外，本论文不包含任何其他个人 或集体已经发表或撰写过的科研成果．对本论文的研究作出重要贡献的个人 和集体，均已在丈中以咀确方式标明．本声明的法律责任由本人承担． 论文作者签名。 墓垂 日 期： 迦!，缸兰z 关于学位论文使用授权的声明 本人完全了解山东大学有关保留，使用学位论文的规定，同意学校保留 或向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借 阅；本人授权山东大学可以将本学位论文全部或部分内容编入有关数据库进 行检索，可以采用影印、缩印或其他复制手段保存论文和汇编本学位论文． (保密的论文在解密后应遵守此规定) 论文作者签名：呈垂 导师签名；墟 日 期：t亟￡矿 第一章 前 言 半参数回归模型是八十年代发展起来的一种重要的统计模型．由于这种模型既含参 数分量，又含非参数分量．可以概括和描述众多实际问题，因而引起广泛重视，为了进 —步介绍半参数回归模型，我们引入两类回归模型，参数回归模型和非参数回归模型． 在参数回归模型中，一类最简单且又十分有用的回归模型是线性回归模型，即假定回归 模型有如下的线性形式一 “(。)=岛+尻乱+…+仇钆 (1．0．1) 这个模型的特点是z在回归函数中除去有限个参数其余都是已知的．由于参数回归 模型容易处理，且对其研究已有相当长的历史．因而已形成一套成熟的理论和方法．参 数回归模型的优点是，对回归函数提供了大量的额外信息，因而当假设模型成立时，其 推断有较高的精度．但当参数假定与实际背离时，基于假设模型所作的推断其表现可以 很差．这种情况促使人们寻找别的出路，而非参数回归则是朝着这个方向的一种努力． 非参数回归模型的特点是，回归函数的形式可以任意，因而有较大的适应性． 非参数回归自scone(1977)的一项著名工作发表后，其理论和方法已有重要进展．这 种模型虽有前段所说的优点，但从实际应用来说，尚有它的局限性．此外，在非参数回归 模型中，各个解释变量对因变量作用的差别往往被忽略．这在实际问题对此未提供任何 信息时是不可避免的．但若有根据认为某些解释变量对Y的影响较显著对，而使用非参 数回归会明显地降低模型的解释能力． 为在出现上述情况时，弥补非参数回归之不足，提出了半参数回归模型．半参数回 归模型的优点是集中了参数分量部分的信息，因此具有较强的解释能力． 给出—个半参数回归模型， K=掣卢+g(h)+矗i=1，2，·一，n 其中霹卢，g(tt)分别称为该模型的参数分量与非参数分量． 这篇文章的主要目的是通过两步估计提高非参数分量的收敛速度，同时获得了包括 最优窗宽在内的最优设计条件，这样就避免了使用CV等方法选择窗宽，减小了计算量． 标准的参数估计问题，均方误差的收敛速度的阶为0(n-1)，而非参数回归估计的收 敛速度慢，在内点处的阶为o(n一4／5)，在边界点可能不收敛．回归函数形式的放宽自然会 导致收敛速度的减慢．而在窗宽的选择问题上，常用的计算窗宽的方法有· CV方法、 山东大学硕士学位论文 风险估计和GCV方法，这些方法所选择的窗宽在各自标准下。都是最优窗宽，但是计算 量偏大，且标准不统一． 为了改进非参技术的收敛速度。已经提出了一些调整的方法。例如； Natio(2004)， and and HjortGlad(1995)和njoftJones(1996)．这些方法的主要意思是，插入参数首 先可以枧为—个粗略的估计，然后通过一个非参数进行调整．那么估计的结果就优于或 至少可以与传统的核估计相媲美．估计方法的另一种调整方法是与前一个方法的思想相 and 反的，见T0ngWang(2005)的文章，这个方法的主要内容也是基于调整技术．第一 步。方差的非参估计被认为是先验选择，然后经过一个参数回归方法