基于函数型数据模型的PM2.5浓度与温度关系的实证分析

摘要

考虑在函数型解释变量部分观测的情况下，用函数线性模型刻画与标量响应变量的关系.基于函数型主成分分析(Functional Principal Component Analysis,简称FPCA)实现了对缺失部分样本的重构，并通过实证分析，对一组北京市2010-2014年间统计的包括部分观测PM2.5数值的气象数据，分析了PM2.5作为部分观测函数型解释变量对标量响应变量平均气温的影响，结果表明了该方法具有处理缺失函数数据的现实意义.

关键词

函数线性模型 / 随机缺失 / 复合分位数回归 / PM2.5

基金资助

国家自然科学基金(72071068)