[论文解读] Functional Partial Linear Regression

Heng Lian|arXiv (Cornell University)|Aug 5, 2009

Statistical Methods and Inference参考文献 19被引用 3

一句话总结

本文提出了一种函数部分线性回归模型，结合了参数和非参数函数分量，以在某些函数型预测变量与响应变量呈线性关系，而其他预测变量表现出复杂非线性关系时，预测标量响应。该方法采用函数线性建模与半参数估计器，建立了渐近性质，通过模拟实验展示了有限样本下的相合性和收敛速度。

ABSTRACT

When predicting scalar responses in the situation where the explanatory variables are functions, it is sometimes the case that some functional variables are related to responses linearly while other variables have more complicated relationships with the responses. In this paper, we propose a new semi-parametric model to take advantage of both parametric and nonparametric functional modeling. Asymptotic properties of the proposed estimators are established and finite sample behavior is investigated through a small simulation experiment.

研究动机与目标

• 解决当函数型预测变量表现出混合线性和非线性关系时，建模标量响应的挑战。
• 开发一种半参数模型，以高效结合参数和非参数函数回归分量。
• 在正则性条件下，建立所提出估计量的渐近性质。
• 通过小样本模拟实验评估该方法在有限样本下的性能。

提出的方法

• 提出一种半参数函数回归模型，其中部分函数型预测变量以线性方式进入，而其他预测变量则以非参数方式建模。
• 使用函数主成分分析降低维度，并将函数型预测变量表示在低维空间中。
• 应用核平滑技术估计模型的非参数分量。
• 通过函数线性回归与局部线性平滑的结合，推导出参数和非参数分量的估计量。
• 在较弱正则性条件下，建立所提出估计量的渐近正态性和收敛速度。
• 通过在受控设计设置下的小样本模拟研究，验证该方法的有限样本性能。

实验结果

研究问题

• RQ1 如何使函数回归模型有效处理函数型预测变量与标量响应之间的混合线性和非线性关系？
• RQ2 在包含混合分量类型的半参数函数回归模型中，估计量的渐近性质是什么？
• RQ3 与纯参数或非参数方法相比，所提出的方法在有限样本下的表现如何？
• RQ4 通过函数主成分进行降维对本模型中估计精度的影响是什么？

主要发现

• 在正则性条件下，所提出的半参数估计量实现了渐近正态性，确保了可靠的推断。
• 建立了非参数分量估计量的收敛速度，表明随着样本量增加，估计具有一致性。
• 模拟结果表明，该方法在有限样本下保持了良好的性能，尤其当真实关系为混合型时表现更优。
• 该模型能有效分离线性和非线性函数效应，相比纯参数或非参数方法，显著提高了估计精度。