第七章非参数回归模型与半参数回归模型第一节非参数回归与权函数法一、非参数回归概念前面介绍的回归模型,无论是线性回归还是非线性回归,其回归函数形式都是已知的,只是其中参数待定,所以可称为参数回归。参数回归的最大优点是回归结果可以外延,但其缺点也不可忽视,就是回归形式一旦固定,就比较呆板,往往拟合效果较差。另一类回归,非参数回归,则与参数回归正好相反。它的回归函数形式是不确定的,其结果外延困难,但拟合效果却比较好。设Y是一维观测随机向量,X是m维随机自变量。在第四章我们曾引进过条件期望作回归函数,即称g(X)=E(Y|X)(7.1.1)为Y对X的回归函数。我们证明了这样的回归函数可使误差平方和最小,即EY-E(YIX)2=minEY-L(X)2(7.1.2)L这里L是关于X的一切函数类。当然,如果限定L是线性函数类,那么g(X)就是线性回归函数了。细心的读者会在这里立即提出一个问题。既然对拟合函数类L(X)没有任何限制,那么可以使误差平方和等于0。实际上,你只要作一条折线(曲面)通过所有观测点(Y,X,)就可以了是的,对拟合函数类不作任何限制