《表4 非参数回归模型统计信息》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于非参数核回归的福州市PM_(2.5)实证研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

非参数核回归选择与多元逐步回归相同的自变量建立模型．本文数据同时存在连续变量和分类变量，Racine等[12]提供了一种含这两种数据类型的混合型数据非参数核回归方法，使用Nadaraya-Wastson估计非参数回归函数，带宽的选择方法为基于Kullback-Leibler的交叉验证法（CV）．由于变量是多元的，故连续性变量核函数选择Second-Order Gaussian，类别变量核函数选择Aitchison and Aitken．表4实证结果表明非参数模型拟合效果更优（调整R2更大），模型估计具有更小的均方误差MSE．非参数回归模型统计信息表明，交叉验证法的带宽向量为（3.20，15.14，0.06，7.28，3.50，12.28，0.76），回归方程的拟合优度R2=0.95，均方误差为8.95.