响应变量随机缺失的相依函数型单指标模型的 k 近邻估计

针对具有 α 混合结构的函数型时间序列数据,当响应变量随机缺失时,利用函数型单指标模型进行统计建 模,并采用 k 近邻方法对模型中未知参数和未知函数进行估计,与经典核方法相比,其数据适用性更强,可以提高 估计效率;通过数值模拟和厄尔尼诺海平面温度数据,将 k 近邻方法和经典核方法进行比较,讨论 k 近邻方法与经 典核方法对未知参数和未知函数的估计效果;从模拟结果可以看到:k 近邻方法对未知参数和未知函数的估计精度 以及随样本增加的改善效果要优于经典核方法,在真实数据分析中,k 近邻对真实数据的精度拟合以及趋势拟合都 表现优异;这些结果表明:在响应变量随机缺失的时间序列单指标模型中,采用 k 近邻方法对未知参数和未知函数 进行估计,在精度上要优于经典核方法,同时在真实数据分析中,相比经典核方法,k 近邻方法能更好地拟合 数据。