局部多项式建模及其应用
序言
1导言
1.1从线性回归到非线性回归 1
1.2局部建模 4
1.3带宽选择和模型复杂性 7
1.4本书的实施范围 9
1.5非参数技术的实施 11
1.6进一步阅读 12
2现有方法概述 13
2.1导言 13
2.2核估计器 14
2.2.1 Nadaraya-Watson估计器 14
2.2.2 Gasser-Muller esti 局部常数拟合的局限性17
2.3局部多项式拟合与导数估计 18
2.3.1局部多项式拟合 19
2.3.2导数估计 22
2.4局部权 ED散点图平滑 22
2.4.1稳健局部加权回归 24
2.4.2例 26
2.5小波阈值 27
2.5.1正交序列方法 28
2.5.2 解分析 31
2.5.3小波收缩估计器 34
2.5.4离散小波变换 35
2.6样条平滑 39
2.6.1多项式样条 40
2.6.2光滑样条 43
2.7密度估计 46
2.7.1核密度估计 46
2.7.2密度估计的回归视图 50
2.7.3小波估计 52
2.7.4对数样条法 54
2.8书目注释 55
3局部多项式回归框架 57
3.1介绍 57
3.2局部多项式拟合的优点 60
3.2.1偏差和方差 61
3.2.2等效核 63
3.2.3带宽的理想选择 66
3.2.4设计适配性能 68
3.2.5自动边界木工 69
3.2.6通用最优加权方案 74
3.3哪几个多项式适合使用? 76
3.3.1变异性的增加 77
3.3.2它是一个奇数世界 79
3.3.3可变阶近似 80
3.4最佳线性平滑器 84
3.4.1内部最佳线性平滑器:最优速率和常数 84
3.4.2边界最佳线性平滑器 89
3.5最小局部多项式拟合效率 91
3.5.1连续模,连续性的模数 92
3.5.2最佳速率和几乎最佳常数 94
3.6快速计算算法 94
3.6.1 二进制实现 96
3.6.2更新算法 99
3.7补充 100
3.8书目注释 105
4模型复杂度的自动确定 109
4.1介绍 109
4.2 带宽选择的经验法则 110
4.3估计偏差和方差 113
4.4置信区间 116
4.5剩余平方准则 118
4.5.1剩余平方准则 118
4.5.2恒定带宽选择 119
4.5.3可变带宽选择 122
4.5.4计算及相关问题 122
4.6改进带宽选择 123
4.6.1提高收敛速度 123
4.6.2恒定带宽选择 123
4.6.3可变带宽选择 124
4.7可变带宽和空间适配 128
4.7.1空间适应的限定 128
4.7.2与使用中的小波 129
4.8平滑技术比较 132
4.8.1示例1:建模 和模型诊断 133
4.8.2示例2:比较两种处理方法 136
4.8.3例3:分析纵向数据集 137
4.9局部建模蓝图 141
4.10其他现有方法 1 48
4.10.1正常参考方法 149
4.10.2交叉验证 149
4.10.3最近邻带宽 151
4.10.4插件概念 152
4.10 5 Sheather和Jones的带宽选择器153
4.11补充( complement的名词复数 ) 154
4.12书目注释 157
5 局部多项式建模的应用 159
5.1导言 159
5.2截尾回归 160
5.2.1准备工作( preliminary的名词复数 ) 160
5.2.2审查无偏变换 165
5.2.3局部多项式回归 173
5.3比例风险模型 175
5.3.1部分似然 175
5.3.2局部部分似然 179
5.3.3确定模型复杂性 183
5.3.4完全似然 187
5.4广义线性模型 189
5.4.1指数族模型 190
5.4.2拟似然和偏差残差 193
5.4.3局部拟似然 194
5.4.4偏差 196
5.4.5带宽选择 197
5.5稳健回归 199
5.5.1稳健方法 199
5.5.2分量回归 201
5.5.3位置函数和尺度函数的同时估计 207
5.6补充 208
5.7书目注释 214
6非线性时间序列的应用 217
6.1介绍 217
6.2非线性预测 218
6.2.1混合条件 218
6.2.2局部多项式拟合 220
6.2.3条件密度估计 224
6.3百分位数和期待回归 228
6.3.1回归百分位数 229
6.3.2经验回归 230
6.4光谱密度估计 233
6.4.1平滑对数-周期图 235
6.4.2最大局部似然法 237
6.4.3平滑周期图 242
6.5灵敏度测度与非线性预测 243
6.5.1敏感性措施 244
6.5.2噪声放大 247
6.5.3非线性预测误差 247
6.6补充 249
6.7书目注释 260
7 多元数据的局部多项式回归 263