一种完全数据驱动的众数回归模型估计方法

摘要

众数回归是比均值回归更稳健的回归模型,该模型的PMS估计方法基于核密度估计及梯度上升算法,求解过程存在边界效应差、非全局最优、效率低等缺陷.给出一种完全数据驱动的众数回归模型估计方法.通过搜索最优覆盖区间,进而估计条件众数.该方法不借助核密度估计,超参数选择、迭代过程完全由数据驱动,无需交叉验证的计算负担.模拟和实际应用结果显示该方法计算效率高,拟合效果良好,比PMS算法易于应用.