论文部分内容阅读
局部线性回归是一种特殊情况下的局部多项式回归，它具有理论上和形式上的极好性质.局部线性估计量能达到完全渐近极大极小效率，并且有很好的渐近偏差特性和优秀的渐近方差.然而，在实际应用中，当设计点分布越稀疏时，局部线性估计量的表现越粗糙.产生这种问题的原因是由局部线性拟合的本质所引起的. Hua He和Li-shan Huang(2009)年提出一种二次光滑局部线性回归的方法.这种方法对局部线性估计量进行了改进，将局部线性估计量及其导数进行加权积分，充分利用局部线性估计量邻域内所有的数据信息.并且，这种新的估计量在方差阶数不变的情况下，将渐近偏差的阶数从h2减少到了h4.因为设计矩阵仅在第一步光滑中使用，新估计量有更少的变异性，并且更容易克服稀疏数据问题. 本文将二次光滑局部线性估计量拓展到二元数据集中，研究该估计量在二元数据集中的渐近偏差与渐近方差的性质，得到渐近偏差与方差的具体公式.文章的研究结果可以为之后光滑参数的选择提供帮助.