中国科学院大学：《时间序列计量经济学中的非参数分析》课程教学资源（讲义材料）非参数统计学和机器学习——基本思想、方法与相互关系

2.非参数分析的重要性 应对之道 >统计学：Diagnostic Testing and Model Specification Testing >非参数分析：不假设具体函数形式

2. 非参数分析的重要性 • 应对之道  统计学：Diagnostic Testing and Model Specification Testing  非参数分析：不假设具体函数形式

什么是非参数分析 (Nonparametric Analysis) /03

什么是非参数分析 (Nonparametric Analysis)

3.什么是非参数分析(Nonparametric Analysis) ·非参数分析：不假设具体函数形式，让数据告诉真实的函数形式 重要非参数方法： > 级数近似(Series Approximation) √Fourier Series √Polynomials √Hermite Polynomials >样条平滑法(Spline Smoothing) >核平滑法 (Kernel Smoothing) >局部多项式平滑法(Local Polynomial Smoothing)

3. 什么是非参数分析（Nonparametric Analysis） • 非参数分析：不假设具体函数形式，让数据告诉真实的函数形式 • 重要非参数方法：  级数近似（Series Approximation）  Fourier Series  Polynomials  Hermite Polynomials  样条平滑法（Spline Smoothing）  核平滑法（Kernel Smoothing）  局部多项式平滑法（Local Polynomial Smoothing）

3.什么是非参数分析 (Nonparametric Analysis) 非参数分析方法的发展简史 1970-1990 1964 Series 1956,1962 Splines Nadaraya(1964)- Watson (1964): Local Polynomial 1946-1948 Rosenblatt(1956) Regression Artificial Neural -Parzen (1962): Estimation Network Spectral Density Kernel Probability Estimation Density Estimation 平滑(Smoothing): h(w)= i(w)Wr0-w)d1,w∈[-π，π] 非参数分析的基本思想 -1

3. 什么是非参数分析（Nonparametric Analysis） • 非参数分析方法的发展简史 Spectral Density Estimation Rosenblatt (1956) -Parzen (1962): Kernel Probability Density Estimation Nadaraya (1964)- Watson (1964): Regression Estimation - Series - Splines - Local Polynomial - Artificial Neural Network 1946-1948 1956, 1962 1964 1970-1990 𝑻 𝝅ି𝝅 平滑（Smoothing）： 非参数分析的基本思想 非参数分析方法的发展简史

3.什么是非参数分析 (Nonparametric Analysis) 两大类非参数分析方法 >全局平滑(Global Smoothing)和局部平滑(Local Smoothing) Local K-Nearest Neighbor Polynomial Smoothing Locs polynomal smooh Kernel Artificial Smoothing Neural Network m=16 (ANN)

3. 什么是非参数分析（Nonparametric Analysis）  全局平滑（Global Smoothing）和局部平滑（Local Smoothing） Artificial Neural Network (ANN) Kernel Smoothing K-Nearest Neighbor Local Polynomial Smoothing 两大类非参数分析方法