基于偏态t分布误差的部分变系数模型在环境PM2.5污染建模中的应用

本研究针对环境数据中普遍存在的非对称性和厚尾分布特征，创新性地将偏态t分布(Skew-T)引入部分变系数模型(PVCMs)。来自智利的研究团队通过EM算法实现参数估计，结合局部影响诊断分析，构建了能同时处理参数/非参数组分交互作用及复杂误差结构的扩展模型。该成果成功应用于智利国家空气质量信息系统(SINCA)的PM2.5监测数据建模，为环境污染物分布规律研究提供了更灵活的统计工具。

　　

在环境数据建模领域，部分变系数模型(PVCMs)因其兼具参数化和非参数化组分的优势，已成为分析环境、经济和生物医学数据的利器。传统模型常假设误差服从高斯分布，但实际数据往往表现出显著偏斜和尖峰特征。这项研究突破性地采用偏态t分布(Skew-T)刻画误差结构，通过EM算法实现参数估计，并开发了基于局部影响的诊断方法。仿真实验验证了该方法的有效性，最终应用于智利圣地亚哥大区的PM_2.5污染数据分析——这种直径小于2.5微米的可吸入颗粒物(PM_2.5)正是影响环境质量和公共健康的关键指标。该扩展模型不仅保留了经典PVCMs对参数/非参数组分交互作用的刻画能力，其灵活的误差结构更适用于现实世界中复杂的污染分布模式。