非参数核回归与局部多项式估计方法.docxVIP

非参数核回归与局部多项式估计方法

一、引言：从参数回归到非参数估计的范式演进

回归分析是现代实证研究中探索变量关系、开展预测与推断的核心工具，自线性回归方法诞生以来，研究者在很长一段时间内遵循参数化的建模逻辑：即先基于理论认知或经验判断，预设变量间的函数关系为线性、二次、对数等固定形式，再通过样本数据估计形式内的有限个未知参数，最终形成可以解释和预测的模型结果。这种思路具备计算简便、解释清晰的优势，当预设函数形式与真实数据生成过程一致时，能达到很高的估计效率。但现实世界的变量关系往往具备复杂的非线性特征，多数情况下研究者并没有足够的先验信息确定精确的函数形式，一旦预设形式与真实规律存在偏差，估计结果就会出现系统性偏误，甚至得出完全误导性的结论（叶阿忠，2003）。比如早期研究常假设收入与幸福感呈线性正相关，但后续探索发现收入增长对幸福感的拉动作用会在收入达到一定水平后快速衰减，甚至出现平台期，这种非单调、变斜率的复杂关系很难通过固定形式的参数模型准确捕捉。

为了突破参数模型的设定局限，统计学者逐步发展出不依赖全局函数假设的非参数回归方法，其中非参数核回归是最早成型、应用最广的基础方法之一，首次将局部加权平滑的思路引入条件均值估计，为探索真实数据关系提供了高度灵活的工具。而局部多项式估计则是在核回归的框架基础上，对局部拟合方式做出关键改进形成的进阶方法，既保留了非参数方法的灵活性，又