论文部分内容阅读
均值回归模型是在分析两个变量的关系时常用的一种统计模型，但是均值回归模型不稳健，而且不能全面刻画条件响应变量各个层面的分布情况。为了弥补上面的不足，Koenker和Bassett于1978年提出了分位回归的思想，该方法可以同时关注到条件响应变量从低分位点到高分位点的分布情况。进入90年代后，计算机的发展使得分位回归的应用不再受到它的复杂运算过程的限制，从教育、经济、医疗、公共事务等等领域都能找到它的应用之处。分位回归模型逐渐成为许多学科研究中一个非常重要的工具。
分位回归在理论模型上逐渐形成了三个不同的分支：参数分位回归模型、非参数分位回归模型以及半参数分位回归模型。其中，参数分位回归模型发展得比较成熟。在非参数分位回归中，窗宽选择是一个重要的技术问题。文献中出现了几种窗宽选择的方法，一种是窗宽选择的ICI方法，另一种是局部窗宽选择。本文提出了一种新的窗宽选择方法即为适应性窗宽选择方法并给出了详细计算步骤和相关的证明。通过蒙特卡罗模拟与前面两种窗宽选择方法进行了比较，结果表明，适应性窗宽选择方法比较其他两种方法在模型拟合优度方面效果更好。尤其可以使得固有跳跃性，斜率的突变性以及高频振动性得到恢复。