米子川,赵丽琴
函数型数据分析的研究进展和技术框架
米子川,赵丽琴
(山西财经大学统计学院,山西太原030006)
函数型数据分析(Functional Data Analysis,FDA)是1980年以后发展起来的一种基于离散统计数据函数化、进而通过函数型分析刻画更广义和更深刻统计关系的高维数据分析(Multivariate Data Analysis,MDA)方法。FDA的基本思想是由加拿大麦吉尔大学的J.O.Ramsay和牛津大学的B.W.Silverman等人提出并发展起来的,同时多位世界知名统计学者也对此作出了贡献。目前该方法已广泛应用于经济学、生物学、气象学、心理学、工业及其他领域。函数型数据分析的基本思想是把观测到的数据函数看作一个整体,而不仅仅是个体观测值的顺序排列,函数本质上是指数据的内在结构而不是它们直观的外在表现形式。因此,在简要回顾FDA发展历程的基础上,追踪国际国内主要研究动态,简介和评述FDA研究的技术框架以及与传统多元统计分析方法的差异,并试图就FDA在经济学中的应用进行一定剖析。
函数型分析;研究进展;技术框架
18世纪末以来,以Adolphe Quetelet、William Sleey Gosset、R.A.Fisher、K.Pearson等人为代表的新一代统计学家把传统的统计学带入了一个新世界,催生了包括回归分析、方差分析、相关分析、假设检验、时间序列分析等方法体系的相对完整的现代统计学学科体系和知识框架。100多年来,伴随着应用统计的不断深入,工业革命、计算机技术和互联网络三大革命也给统计学带来了全新的研究视野和方法论改进,极大地丰富了统计研究的工具和方法。但同时,统计学家们也注意到在传统统计分析中,几乎所有的方法都是以离散性的统计数据为研究起点的,其数据通常是一个时间序列、横截面数据或者它们的综合,即面板数据(Panel Data)。……