鄧揚揚

（廣東外語外貿大學，廣東 廣州 510006）

本文以半?yún)?shù)模型為例，對參數(shù)、非參數(shù)分量的估計值和觀測值等內容進行討論，并運用三次樣條函數(shù)插值法得出非參數(shù)分量的推估表達式。另外，為了解決縱向數(shù)據(jù)下半?yún)?shù)模型的參數(shù)部分和非參數(shù)部分的估計問題，在誤差為鞅差序列情形下，對半?yún)?shù)數(shù)據(jù)模型、漸近正態(tài)性、強相合性進行研究和分析。另外，本文初步討論了平衡參數(shù)的選取問題，并充分說明了泛最小二乘估計方法以及相關結論，同時對半?yún)?shù)模型的迭代法進行了相關討論和研究。

一、概論

在日常生活當中，人們所采用的參數(shù)數(shù)據(jù)模型構造相對簡單，所以操作起來比較容易；但在測量數(shù)據(jù)的實際使用過程中存在著相關大的誤差，例如在測量相對微小的物體，或者是對動態(tài)物體進行測量時。而建立半?yún)?shù)數(shù)據(jù)模型可以很好的解決和緩解這一問題：它不但能夠消除或是降低測量中出現(xiàn)的誤差，同時也不會將無法實現(xiàn)參數(shù)化的系統(tǒng)誤差進行勾和。系統(tǒng)誤差非常影響觀測值的各種信息，如果能改善，就能使其實現(xiàn)更快、更及時、更準確的誤差識別和提取過程；這樣不僅可以提高參數(shù)估計的精確度，也對相關科學研究進行了有效補充。舉例來說，在模擬算例及坐標變換GPS定位重力測量等實際應用方面，體現(xiàn)了這種模型具有一定成功性及實用性；這主要是因為半?yún)?shù)數(shù)據(jù)模型同當前所使用的數(shù)據(jù)模型存在著一致性，可以很好的滿足現(xiàn)在的實際需要。而新建立的半?yún)?shù)模型以及它的參數(shù)部分和非參數(shù)部分的估計,也可以解決一些污染數(shù)據(jù)的估計問題。這種半?yún)?shù)模型,不僅研究了縱向數(shù)據(jù)下其自身的t型估計，同時對一些含光滑項的半?yún)?shù)數(shù)據(jù)模型進行了詳細的闡述。另外，基于對稱和不對稱這兩種情況，可以在一個線性約束條件下對參數(shù)估計以及假設進行檢驗,這主要是因為對觀測值產生影響的因素除了包含這個線性關系以外，還受到某種特定因素的干擾，所以不能將其歸入誤差行列。另外，基于自變量測量存在一定誤差，經常會導致在計算過程匯總，丟失很多重要信息。

二、半?yún)?shù)回歸模型及其估計方法

這種模型是由西方著名學者Stone在上世紀70年代所提出的，在80年代逐漸發(fā)展并成熟起來。目前，這種參數(shù)模型已經在醫(yī)學以及生物學還有經濟學等諸多領域中廣泛使用開來。

半?yún)?shù)回歸模型介于非參數(shù)回歸模型和參數(shù)回歸模型之間，其內容不僅囊括了線性部分，同時包含一些非參數(shù)部分，應該說這種模型成功的將兩者的優(yōu)點結合在一起。這種模型所涉及到的參數(shù)部分，主要是函數(shù)關系，也就是我們常說的對變量所呈現(xiàn)出來的大勢走向進行有效把握和解釋；而非參數(shù)部分則主要是值函數(shù)關系中不明確的那一部分，換句話就是對變量進行局部調整。因此，該模型能夠很好的利用數(shù)據(jù)中所呈現(xiàn)出來的信息，這一點是參數(shù)回歸模型還有非參數(shù)歸回模型所無法比擬的優(yōu)勢，所以說半?yún)?shù)模型往往擁有更強、更準確的解釋能力。

從其用途上來說，這種回歸模型是當前經常使用的一種統(tǒng)計模型。其形式為：

假設Xi為p維向量，且為已知量，而g(ti)為非參數(shù)分量，那么β就是P×1，視作維代估參數(shù)，設定誤差順序列{ei}是獨立分布，E（ei）=0，那么

現(xiàn)階段，半?yún)?shù)模型研究中，所存在的基本問題就是以模型所提供的條件，結合（Xi，Ti）來對β以及g(ti)進行有效估計。西方學者Heckman在80年代提出并使用一種光滑樣條方法，得出了參數(shù)模型估計中的堅勁正態(tài)性以及相合性。次年，speckman則此基礎之上提出了最小二乘估法，并對漸近性質進行研究。進入90年代西方其他一些學者，像 hong、zhao、Robinson、Ronz還有 Carroll、和Schick等都對半?yún)?shù)模型的研究和發(fā)展工作作出了一系列貢獻。

當前，對模型中的估計參數(shù)分量β還有非參數(shù)分量g，最為常見的使用方法就是：先設定β為已知的參數(shù)分量，那么利用既定的非參數(shù)估計法就能夠求出g這個非參數(shù)分量的估計表達式。由于所求出的表達式中含有參數(shù)分量β，所以需要對β進行有效估計，然后再將求出的β估計全部帶入到表達式中。從而得出最終估計g。其具體操作步驟：

第一,將上述所講述的模型 Yi=Xi’β+g(ti)+ei,且 1≤i≤n，依例轉變成為：Zi=Yi-Xi’β=g(ti)+ei。

第二，先假設β為已知量，那么通過相應的核權函數(shù)法我們就能夠求得既定函數(shù)g(ti)的估計，也就是β。其中Wni為核權函數(shù)，那么結合既定公式可以得知Zi為窗寬。

第四，參照相應公式，對g（t）進行最終估計，引入公式和數(shù)據(jù)得出

第五，對窗寬Zi進行有效調整，直至滿足相關要求。

應該說，半?yún)?shù)模型中所設計到的參數(shù)分量β，其自身估計能夠實現(xiàn)最優(yōu)，而且相應的收斂速度也往往為o（），但在所選用的光滑參數(shù)為特定值時，那么相應的非參數(shù)分量，也就是g的估計就可以取得相對不錯的一個結果。

三、縱向數(shù)據(jù)、線性函數(shù)和光滑性函數(shù)的作用

縱向數(shù)據(jù)其優(yōu)點就是可以提供許多條件，從而引起人們的高度重視。當前縱向數(shù)據(jù)例子也非常多。但從其本質上講，縱向數(shù)據(jù)其實是指對同一個個體，在不同時間以及不同地點之上，在重復觀察之下所得到一種序列數(shù)據(jù)。但由于個體間都存在著一定的差別，從而導致在對縱向數(shù)據(jù)進行求方差時會出現(xiàn)一定偏差。在對縱向數(shù)據(jù)進行觀察時，其觀察值是相對獨立的，因此其特點就是可以能夠將截然不同兩種數(shù)據(jù)和時間序列有效的結合在一起。即可以分析出來在個體上隨著時間變化而發(fā)生的趨勢，同時又能看出總體的變化形勢。在當前很多縱向數(shù)據(jù)的研究中，不僅保留了其優(yōu)點，并在此基礎之上進行發(fā)展，實現(xiàn)了縱向數(shù)據(jù)中的局部線性擬合。這主要是人們希望可以建立輸出變量和協(xié)變量以及時間效應的關系。可由于時間效應相對比較復雜，所以很難進行參數(shù)化的建模。

另外，雖然線性模型的估計已經取得大量的成果，但半?yún)?shù)模型估計至今為止還是空白頁。線性模型的估計不僅僅是為了解決秩虧或病態(tài)的問題，還能在百病態(tài)的矩陣時，提供了處理線性、非線性及半?yún)?shù)模型等方法。首先，對觀測條件較為接近的兩個觀測數(shù)據(jù)作為對照，可以削弱非參數(shù)的影響。從而將半?yún)?shù)模型變成線性模型，然后，按線性模型處理，得到參數(shù)的估計。而多數(shù)的情況下其線性系數(shù)將隨著另一個變量而變化，但是這種線性系數(shù)隨著時間的變化而變化，根本求不出在同一個模型中，所有時間段上的樣本，亦很難使用一個或幾個實函數(shù)來進行相關描述。在對測量數(shù)據(jù)處理時，如果將它看作為隨機變量，往往只能達到估計的作用，要想在經典的線性模型中引入另一個變量的非線性函數(shù)，即模型中含有本質的非線性部分，就必須使用半?yún)?shù)線性模型。另外就是指由各個部分組成的形態(tài)，研究對象是非線性系統(tǒng)中產生的不光滑和不可微的幾何形體，對應的定量參數(shù)是維數(shù),分形上統(tǒng)計模型的研究是當前國際非線性研究的重大前沿課題之一。因此，第一種途徑是將非參數(shù)分量參數(shù)化的估計方法,也稱之為參數(shù)化估計法，是關于半?yún)?shù)模型的早期工作，就是對函數(shù)空間附施加一定的限制，主要指光滑性。一些研究者認為半?yún)?shù)模型中的非參數(shù)分量也是非線性的，而且在大多數(shù)情形下所表現(xiàn)出來的往往是不光滑和不可微的。所以同樣的數(shù)據(jù),同樣的檢驗方法，也可以使用立方光滑樣條函數(shù)來研究半?yún)?shù)模型。

四、線性模型的泛最小二乘法與最小二乘法的抗差

（一）最小二乘法出現(xiàn)于18世紀末期

在當時科學研究中常常提出這樣的問題:怎樣從多個未知參數(shù)觀測值集合中求出參數(shù)的最佳估值。盡管當時對于整體誤差的范數(shù)，泛最小二乘法不如最小二乘法，但是當時使用最多的還是最小二乘法，其目的也就是為了估計參數(shù)。最小二乘法，在經過一段時間的研究和應用之后，逐步發(fā)展成為一整套比較完善的理論體系?，F(xiàn)階段不僅可以清楚地知道數(shù)據(jù)所服從的模型，同時在縱向數(shù)據(jù)半?yún)?shù)建模中，輔助以迭代加權法。這對補償最小二乘法對非參數(shù)分量估計是非常有效，而且只要觀測值很精確，那么該法對非參數(shù)分量估計更為可靠。例如在物理大地測量時，很早就使用用最小二乘配置法，并得到重力異常最佳估計值。不過在使用補償最小二乘法來研究重力異常時，我們還應在兼顧著整體誤差比較小的同時，考慮參數(shù)估計量的真實性。并在比較了迭代加權偏樣條的基礎上，研究最小二乘法在當前使用過程中存在的一些不足。應該說，該方法只強調了整體誤差要實現(xiàn)最小，而忽略了對參數(shù)分量估計時出現(xiàn)的誤差。所以在實際操作過程中，需要特別注意。

（二）半?yún)⒛Ｐ驮贕PS定位中的應用和差分

半?yún)⒛Ｐ驮贕PS相位觀測中，其系統(tǒng)誤差是影響高精度定位的主要因素，由于在解算之前模型存在一定誤差，所以需及時觀測誤差中的粗差。GPS使用中，通過廣播衛(wèi)星來計算目標點在實際地理坐標系中具體坐標。這樣就可以在操作過程中，發(fā)現(xiàn)并恢復整周未知數(shù)，由于觀測值在衛(wèi)星和觀測站之間，是通過求雙差來削弱或者是減少對衛(wèi)星和接收機等系統(tǒng)誤差的影響，因此難于用參數(shù)表達。但是在平差計算中，差分法雖然可以將觀測方程的數(shù)目明顯減少，但由于種種原因，依然無法取得令人滿意的結果。但是如果選擇使用半?yún)?shù)模型中的參數(shù)來表達系統(tǒng)誤差,則能得到較好的效果。這主要是因為半?yún)?shù)模型是一種廣義的線性回歸模型，對于有著光滑項的半?yún)?shù)模型，在既定附加的條件之下，能夠提供一個線性函數(shù)的估計方法，從而將測值中的粗差消除掉。另外這種方法除了在GPS測量中使用之外，還可應用于光波測距儀以及變形監(jiān)測等一些參數(shù)模型當中。在重力測量中的應用在很多情形下，尤其是數(shù)學界的理論研究，我們總是假定S是隨機變量實際上，這種假設是合理的，近幾年，我們對這種線性模型的研究取得了一些不錯的成果，而且因其形式相對簡潔，又有較高適用性，所以這種模型在諸多領域中發(fā)揮著重要作用。

通過模擬的算例及坐標變換GPS定位重力測量等實際應用，說明了該法的成功性及實用性，從理論上說明了流行的自然樣條估計方法，其實質是補償最小二乘方法的特例，在今后將會有廣闊的發(fā)展空間。另外文章中提到的分形理論的研究對象應是非線性系統(tǒng)中產生的不光滑和不可微的幾何形體，而且分形已經在斷裂力學、地震學等中有著廣泛的應用，因此應被推廣使用到研究半?yún)?shù)模型中來，不僅能夠更及時，更加準確的進行誤差的識別和提取，同時可以提高參數(shù)估計的精確度，是對當前半?yún)?shù)模型研究的有力補充。

五、總結

文章所講的半?yún)?shù)模型包括了參數(shù)、非參數(shù)分量的估計值和觀測值等內容，并且用了三次樣條函數(shù)插值法得到了非參數(shù)分量的推估表達式。另外，為了解決縱向數(shù)據(jù)前提下，半?yún)?shù)模型的參數(shù)部分和非參數(shù)部分的估計問題，在誤差為鞅差序列情形下，對半?yún)?shù)數(shù)據(jù)模型、漸近正態(tài)性、強相合性進行研究和分析。同時介紹了最小二乘估計法。另外初步討論了平衡參數(shù)的選取問題，還充分說明了泛最小二乘估計方法以及有關結論。在對半?yún)?shù)模型的迭代法進行了相關討論和研究的基礎之上，為迭代法提供了詳細的理論說明，為實際應用提供了理論依據(jù)。

[1]胡宏昌.誤差為AR(1)情形的半?yún)?shù)回歸模型擬極大似然估計的存在性[J].湖北師范學院學報(自然科學版),2009(03).

[2]錢偉民,李靜茹.縱向污染數(shù)據(jù)半?yún)?shù)回歸模型中的強相合估計[J].同濟大學學報(自然科學版),2009(08).

[3]樊明智,王芬玲,郭輝.縱向數(shù)據(jù)半?yún)?shù)回歸模型的最小二乘局部線性估計[J].數(shù)理統(tǒng)計與管理,2009(02).

[4]崔恒建,王強.變系數(shù)結構關系EV模型的參數(shù)估計[J].北京師范大學學報(自然科學版).2005(06).

[5]錢偉民,柴根象.縱向數(shù)據(jù)混合效應模型的統(tǒng)計分析[J].數(shù)學年刊A輯(中文版).2009(04)

[6]孫孝前,尤進紅.縱向數(shù)據(jù)半?yún)?shù)建模中的迭代加權偏樣條最小二乘估計[J].中國科學(A輯:數(shù)學),2009(05).

[7]張三國,陳希孺.EV多項式模型的估計[J].中國科學(A輯),2009(10).

[8]任哲,陳明華.污染數(shù)據(jù)回歸分析中參數(shù)的最小一乘估計[J].應用概率統(tǒng)計,2009(03).

[9]張三國,陳希孺.有重復觀測時EV模型修正極大似然估計的相合性[J].中國科學(A輯).2009(06).

[10]崔恒建,李勇,秦懷振.非線性半?yún)?shù)EV四歸模型的估計理論[J].科學通報,2009(23).

[11]羅中明.響應變量隨機缺失下變系數(shù)模型的統(tǒng)計推斷[D].中南大學,2011.

[12]劉超男.兩參數(shù)指數(shù)威布爾分布的參數(shù)Bayes估計及可靠性分析[D].中南大學,2008.

[13]郭艷.湖南省稅收收入預測模型及其實證檢驗與經濟分析[D].中南大學,2009.

[14]桑紅芳.幾類分布的參數(shù)估計的損失函數(shù)和風險函數(shù)的Bayes推斷[D].中南大學,2009.

[15]朱琳.服從幾類可靠性分布的無失效數(shù)據(jù)的b ayes分析[D].中南大學,2009.

[16]黃芙蓉.指數(shù)族非線性模型和具有AR（1）誤差線性模型的統(tǒng)計分析[D].南京理工大學,2009.