Abstract
在這篇將簡單的介紹無母數回歸模式及科若估計量，再說明平滑參數選擇的重要性，因為平滑參數的選擇，對於所估計曲線的平滑度有很大的相關性，平滑參數選擇是在尋找偏量(bias)及變異量(variance)之平衡點。接下來再介紹一些選取方法：交錯確認法，雙重平滑法、最小平方交錯確認法、插入法以及偏差交錯確認法等等。在這里將簡單扼要的介紹這些方法的優缺點。（Ⅰ）交錯確認法的優點是（１）簡單易懂（２）處理方便（３）假設條件較少（祗要ε,j=1,2,…,n之間獨立即可）。缺點是（１）收斂速率太慢（２）h 與h 會產生負相關性, 其中h 是交錯確認法所得出的平滑參數值而h 是由均方差(AverageSquare Error) 所得出的最佳平滑參數。（３）h <h 是由期望均方差所得的最佳平滑參數值，就是h 會有低估的特性。（Ⅱ）雙重平滑法的優點是（１）收斂速度較快（２）此方法所得出的平滑參數不會遠離最佳值（３）所估計的曲線更接近實際曲線（４）穩定性較高。而缺點是（１）必須假設m 存在（２）另外一個平滑參數值不知如何選取。（Ⅲ）最小平方交錯錯認法其優點是（１）不必MISE近似於AMISE （２）假設條件較少。缺點是（１）產生出大量樣本變異性（２）可能產生幾個極小值發生點。（Ⅳ）插入法其優點是（１）樣本減少比交錯誤確認或偏差交錯確認法快（２）AMISE 必須是MISE一個好的逼近方式（３）收斂速率與平滑度有關。（Ⅴ）偏差交錯確認法優點是（１）比普通交錯確認法穩定（２）樣本變異性較小。缺點是（１）必須假設m 或m 存在（２）在小樣本之下此方法會失敗，因為找不到極小值發生之點。最后希望平滑參數選取的方法能連接某些方式，更能廣泛的應用在其它方面。