线性回归模型的非线性稳健估计——基于经验过程理论的研究

摘要：

线性回归模型参数估计的有效性及对厚尾扰动和离群值的稳健性有进一步改进的余地.本文基于条件分布函数提出线性参数模型的一种新的非线性稳健估计量,利用经验过程理论证明了其相合性和渐近正态性.相对于OLS (ordinary least squares)估计量和常用的稳健LAD (leastabsolute deviations)和Huber估计量,此估计量可全面把握因变量的分布信息,较准确地由样本数据反映真正的数据生成过程,关于扰动项的厚尾分布具有更好的稳健性,且可更好地消弱极端离群值样本对参数估计的不良影响.多种实验设计的模拟表明,此估计量在有限样本下表现良好;在厚尾扰动或离群值出现的时候,显示出良好的稳健性,且优于OLS、LAD以及Huber估计量的小样本表现.

关键词：非线性稳健估计、条件分布函数、经验过程理论、厚尾扰动、离群值

所属期刊栏目：36

分类号：O212(概率论与数理统计)

资助基金：国家自然科学基金71371199National Natural Science Foundation of China 71371199

在线出版日期：2017-05-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1014-1024