部分变系数模型相较于变系数模型既有非参数部分,又有参数部分,充分利用已知的先验信息可以大大的提高模型的效率,它的明显优势体现在模型形式及回归系数的解释方面。因此统计学、医学、经济学等各个领域越来越重视部分变系数模型。近年来,国内外学者在此研究中最关注的方面是部分变系数模型的适用条件、未知参数的估计及模型的预测和拟合等,而最关键的问题是怎样对模型中的未知参数进行估计和推断。对于变系数函数参数估计中,最常用的估计方法是局部多项式和光滑样条,这两种基于最小二乘法的估计方法对于异常值异常敏感且效率会随着误差远离正态分布而降低。支持向量分位数回归是一种非参数方法,自Takeuci(2004)提出以来,该方法一直在统计推断中被广泛的应用。它不用对数据的分布函数做任何参数假定,该方法可以充分发挥支持向量机的非线性处理能力和分位数回归完整刻画条件分布特征的能力,且可以保证较高的稳健性。但该方法分位数点的选择令人难以抉择,一些分位数点的预测值可能存在尾部过于右偏或者左偏,因此本文考虑用支持向量加权分位数回归方法,可以同时考虑多个分位数点就能利用更多的有效信息。本文将基于支持向量加权分位数回归的部分变系数模型的参数估计转化成求解加权最小二乘问题,并通过迭代最小二乘和二次规划来求解。为了验证理论结果的正确性和方法的可行性进行随机模拟,最后在实例分析中贯彻此理论方法。论文的基本框架如下所示:第一章,介绍了本文的研究背景和意义。然后通过对国内外相关文献的梳理,系统地介绍了部分变系数模型及支持向量加权分位数回归方法。最后,对本文的研究内容、创新点和重难点进行了概括。第二章,对基于支持向量加权分位数回归的部分变系数模型的参数估计及推断问题进行了研究。首先,简要概述支持向量分位数回归的参数估计。其次,对基于支持向量加权分位数回归的部分变系数模型进行推断,并将优化问题最终转化为加权最小二乘求解。然后,分别用迭代加权最小二乘和二次规划来解决这个加权最小二乘问题。并根据类似Bradic(2011)的方法得到最优权重。最后,证明变系数估计的渐近分布及其相关定理。第三章,通过数值模拟及实例分析检验了支持向量加权分位数回归法与部分变系数模型结合的可行性。首先,设计数值模拟,检验部分变系数模型及两种参数估计方法的可行性及合理性,然后运用该方法分析影响艾滋病CD4细胞数的因素。第四章,对全文进行概括总结,并对基于支持向量加权分位数回归的部分变系数模型未来的研究及发展趋势进行展望。