基于高斯核函数的非参数回归的扰动选择和局部影响分析

发布时间：2017-07-29 21:08

  本文关键词：基于高斯核函数的非参数回归的扰动选择和局部影响分析

  更多相关文章： 核回归 局部多项式回归 局部影响分析 扰动选择 影响评价

【摘要】：非参数回归很长时间以来都深受关注,人们提出了许多解决该问题的方法。在这些非参数回归理论中,Nadaraya-Watson核估计和局部多项式回归很受重视。其中,Nadaraya-Watson核估计是许多核回归方法的基础,而局部多项式回归能够有效降低回归函数估计的边界偏倚。虽然非参数回归对异常点的敏感程度较之参数回归通常更低一些,但研究有关因素(如:数据点)对回归函数估计的影响仍然是必要的。本论文提出一个方法,研究基于高斯核函数的Nadaraya-Watson核估计和局部多项式回归的局部影响分析。由于在这两种非参数回归方法中局部平滑技术都起到了非常重要的作用,本文在方法设计中,不仅考虑了数据点的影响评价,也考虑了自变量值接近的数据点形成的数据组的影响评价。为了避免强影响点或数据组之间的掩盖效应,文中方法构建于数据点或数据组的联合扰动模式下。上述两种非参数回归方法无一基于似然函数,且推断结果均非向量而是函数。因此,使用似然位移的方法或针对向量型推断结果的方法,如基于广义影响函数的方法,均不适用于这两种非参数回归的局部影响分析。文中提出的方法基于一个回归位移函数,该函数以扰动向量为自变量,刻画扰动前后回归函数估计的变化,可视为似然位移的思路在非参数回归问题中的推广。在似然位移函数下定义的诸概念,如影响图、扰动方向、升截线、法曲率、最大影响方向、影响总计向量等,均可推广到回归位移函数下。在基于回归位移函数的理论框架中,最大影响方向和影响总计向量仍被用作影响度量统计量。本文在Nadaraya-Watson核估计下和局部线性回归下(作为局部多项式回归下的示例),均导出了升截线法曲率的具体表达式,且说明了它们都是扰动向量的二次型。如此,则最大影响方向和影响总计向量都可以从上述表达式中轻易获得。本文使用了扰动向量的张量矩阵进行扰动选择,包括扰动的恰当程度的度量和必要时扰动的调整。假定数据点是独立同分布的,则在数据点的联合加权扰动模式下,原始的加权扰动向量是恰当的,而在数据组的联合加权扰动模式下,若各组所含数据点个数有所不同,则加权扰动向量需要进行调整。文中进行了数据模拟研究,用于说明所提方法。
【关键词】：核回归 局部多项式回归 局部影响分析 扰动选择 影响评价
【学位授予单位】：云南财经大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：O212.1
【目录】：

• 摘要3-5
• Abstract5-9
• 第一章 引言9-12
• 第一节 研究背景和研究现状9-10
• 第二节 研究目的和意义10-11
• 第三节 研究目标和研究内容11-12
• 第二章 非参数回归的介绍12-18
• 第一节 非参数回归的介绍12
• 第二节 Nadaraya-Watson核估计12-13
• 第三节 局部多项式回归13-15
• 第四节 窗宽的选择15-18
• 一、理论带宽15-16
• 二、交叉验证16
• 三、广义交叉验证16-18
• 第三章 局部影响分析简介和扰动选择18-20
• 第一节 基于似然位移的局部影响分析简介18-19
• 第二节 扰动选择19-20
• 第四章 非参数回归的局部影响分析20-32
• 第一节 基于回归位移函数的局部影响分析基本理论框架20-22
• 第二节 数据点的扰动选择22-23
• 第三节 Nadaraya-Watson核估计中数据点的局部影响评价23-25
• 第四节 局部线性回归中数据点的局部影响评价25-28
• 第五节 数据点组的局部影响评价28-32
• 第五章 模拟分析32-43
• 第一节 核函数回归的局部影响分析的模拟分析32-37
• 第二节 局部线性回归的局部影响分析的模拟分析37-43
• 第六章 结论43-44
• 参考文献44-48
• 致谢48-49
• 在读期间完成的研究成果49

【相似文献】

中国期刊全文数据库 前10条

1 施沛德，，陈希孺;关于非参数回归M－估计的最优收敛速度的一点记注[J];数学年刊A辑(中文版);1994年02期

2 宋向东;;非参数回归的罚样条算法[J];燕山大学学报;2007年03期

3 屈莉;兰时勇;张建伟;;基于浮动车数据非参数回归短时交通速度预测[J];计算机工程与设计;2013年09期

4 陈桂景;;关于非参数回归、判别及预测理论研究的一些进展(一)[J];淮北煤师院学报(自然科学版);1986年02期

5 朱东河;凌能祥;;长记忆下函数型数据非参数回归的M-估计[J];合肥工业大学学报(自然科学版);2010年06期

6 李春红;张可娟;邝文竹;;基于非参数回归的桥梁极限承载力预测[J];南昌大学学报(理科版);2012年02期

7 魏景海;;非参数回归在R中的实现[J];哈尔滨师范大学自然科学学报;2014年01期

8 卢一强,茆诗松;广义非参数回归的B样本贝叶斯估计[J];应用数学;2005年01期

9 康进;刘敬伟;;非参数回归估计与人工神经网络方法的预测效果比较[J];统计与决策;2009年23期

10 杨善朝;基于鞅序列非参数回归权函数的估计[J];系统科学与数学;1999年01期

中国博士学位论文全文数据库 前2条

1 王新颖;基于网格的短时交通状态预测研究[D];吉林大学;2010年

2 陈长生;非参数回归和生长曲线统计分析方法研究及其医学应用[D];第四军医大学;1998年

中国硕士学位论文全文数据库 前10条

1 孙长宁;基于非参数回归的土层参数反分析算法及其应用研究[D];昆明理工大学;2015年

2 林川;基于K近邻非参数回归的短时交通流预测算法研究[D];电子科技大学;2015年

3 朱馨;基于非参数方法的猪肉价格断点回归分析[D];浙江大学;2016年

4 田小发;基于高斯核函数的非参数回归的扰动选择和局部影响分析[D];云南财经大学;2016年

5 刘志刚;非参数回归的研究及其应用[D];温州大学;2012年

6 刘祥;基于改进的非参数回归交通流量预测方法[D];华中科技大学;2011年

7 张杰;相似可分离函数的非参数回归估计[D];东北师范大学;2008年

8 张云霞;两种数据的非参数回归及其渐近性质[D];燕山大学;2012年

9 王二红;相依样本下非参数回归函数的小波估计[D];合肥工业大学;2007年

10 王真真;误差相关核回归[D];山东大学;2012年

本文编号：591090