空间滞后模型中Moran's I统计量的Bootstrap检验

针对空间滞后模型的估计残差,采用Wild.Bootstrap方法进行空间相关性检验;进而,基于Moran's I统计量的经验分布,从水平扭曲和功效角度比较Bootstrap检验和渐近检验的有效性.Monte Carlo实验结果显示,在经典正态假设条件下,Bootstrap检验已然同等或优于渐近检验;在更为实际的异方差、非正态假设条件下,渐近检验显著偏离,而Bootstrap检验的水平扭曲更小、功效更高.当模型不满足经典的分布假设条件,尤其是在小样本和空间衔接密度较高情况下,与渐近检验相比,Bootstrap检验更为有效.     

空间滞后模型中Moran's Ⅰ统计量的Bootstrap检验

针对空间滞后模型的估计残差,采用Wild Bootstrap方法进行空间相关性检验;进而,基于Moran's Ⅰ统计量的经验分布,从水平扭曲和功效角度比较Bootstrap检验和渐近检验的有效性.Monte Carlo实验结果显示,在经典正态假设条件下,Bootstrap检验已然同等或优于渐近检验;在更为实际的异方差、非正态假设条件下,渐近检验显著偏离,而Bootstrap检验的水平扭曲更小、功效更高.当模型不满足经典的分布假设条件,尤其是在小样本和空间衔接密度较高情况下,与渐近检验相比,Bootstrap检验更为有效.     

面板数据空间误差分量模型的空间相关性检验

将截面误差分量模型(spatial error components, SEC)扩展至面板数据, 推导其联合检验、边际检验及条件检验, 并通过Monte Carlo模拟实验证明: 当随机效应存在时, 条件检验更为有效; 当随机效应不存在时, 边际检验更为有效; 空间权重矩阵的选取与随机效应是否存在相关, 但未标准化的空间权重矩阵更适合检验空间相关性; 此外, 更大的N或T使得检验更为有效. 研究同时发现, 当真实数据生成过程为面板数据SEC模型时, 传统空间经济计量模型中的Moran I、LM-Error及LM-Lag检验均失效.     

平滑转移模型线性检验的可靠性研究

提出了将自助法(bootstrap)的不同变体应用于平滑转移自回归模型的线性检验,并通过蒙特卡罗实验分别考察其在误差项独立同分布和存在序列相关时的有限样本性质.重点研究了非线性参数和序列相关系数对检验水平和功效的影响.实验结果表明,基于自助法的线性检验在各样本容量下都具有更高的功效,并且可以很好地纠正基于极限分布理论的LST统计量的水平扭曲.本文还详细介绍快速了两阶段自助法(FDB)的基本思想和实现方法,模拟实验证明它比基本自助法具有更好的稳健性和收敛性.     

基于LSTR模型的变结构面板单位根检验

针对结构变化的面板数据,利用非线性平滑转换函数修正IPS面板单位根检验,提出LSTR-IPS面板单位根检验方法.通过模拟研究表明,LSTR-IPS比传统的面板单位根检验方法具有更高的功效,并且当样本量越大时,LSTR-IPS检验的功效越高,特别是随着时间T的增大,检验功效呈上升趋势.最后,对我国经济增长进行平稳性检验,表明经济增长为带结构变化的趋势平稳过程而非一阶单整过程,说明LSTR-IPS检验能更准确地判断面板数据的平稳性.     

基于广义非线性工具变量法的综列单位根检验

当截面个体之间显著相关时,非线性工具变量法(NIV)综列单位根检验存在严重的分布扭曲.该文基于似无关回归形式的可行广义最小二乘法和非线性工具变量估计方法,提出了广义非线性工具变量法(GNIV)综列单位根检验,以修正NIV检验的分布扭曲. 在存在综列单位根的原假设下,GNIV检验统计量的极限分布为标准正态分布,而在备选假设下则趋向于负无穷大. 仿真实验结果显示,在截面个体之间显著相关时,GNIV检验的有限样本性质显著优于Chang的NIV检验和Pesaran的CIPS检验.     

基于随机模拟的资产组合有效子集的精确检验方法

考虑到资产组合有效子集的渐近检验方法通常只适用于大样本情形，为了提高在有限样本和小样本情形下有效子集判定的准确性和稳定性，通过分析资产组合有效子集新的判定条件，提出了一种基于Block-Bootstrap随机模拟的有效子集精确检验方法，同时对几类一致性协方差阵估计下的稳健检验方法进行了检验功效和检验水平的比较，模拟结果表明基于Block-Bootstrap随机模拟的精确检验方法更为可靠，实证结果也表明该方法得到的有效子集更为稳定.     

交互效应,动态面板模型的Blinder-Oaxaca分解与仿真

交互效应非线性动态面板模型的Blinder-Oaxaca分解,适用于剖析履责/失责企业收益差距成因等社会经济问题.本文基于企业收益对企业行为,政策调整和金融市场冲击等的动态响应机制,将交互效应,动态项引入非线性静态面板模型,仿真检验交互效应,动态面板模型Blinder-Oaxaca分解的有限样本性质.结果显示:企业行为,政策调整和金融市场冲击异质影响履责/失责群组收益,两者收益差距能有效地被交互效应,非线性动态面板模型的Blinder-Oaxaca分解解释.禀赋效应与歧视效应的整体仿真相对误差仅为0.07%,Blinder-Oaxaca分解具有良好的相对估计精度和有限样本性质.     

单位根检验中的Wald检验量研究：Bootstrap法VS临界值法

针对Wald临界值检验方法存在检验水平扭曲和功效低下的不足,提出了Wald检验量的Bootstrap检验方法,并从理论上证明了该方法的有效性;借助于蒙特卡罗模拟技术对两种检验方法进行对比.结果表明：在无漂移项数据生成过程中,两种方法的实际覆盖率分别为100%和72.9%,精确程度之比为33：15;在有漂移项的数据生成过程中,实际覆盖率分别为94.4%和77.8%,精确程度之比为20：15;在检验功效方面,Bootstrap方法较临界值检验具有明显的优势,尤其是在小样本下;由标准正态分布得到的临界值对其它误差分布类型缺乏稳健性.实证分析也表明由Bootstrap检验方法得到的模型更符合实际情况.因此,Bootstrap方法可以替代临界值方法进行单位根的Wald检验.     

面板数据下的EG两步法

针对文献中将时间序列模型的EG两步法直接应用到面板数据模型这一现象,推导了面板数据中使用EG两步法的极限分布,进而指出在面板数据中直接使用时间序列EG两步法存在的问题,并通过MonteCarlo模拟展示了这一错误应用所存在的过度拒绝零假设的后果.同时,模拟结果还表明,当前实证研究中常用的两种基于EG两步法的面板协整检验,Kao协整检验和Pedroni协整检验均有其适用范围,对于不同的样本容量组合,两者有限样本表现不尽相同,因此,实证研究应根据样本数据的实际情况选用合适的检验统计量.此外,本文的实证结果表明,弱PPP定理在OECD国家并不成立.     

Bootstrap LM Tests for Spatial Dependence in Panel Data Models with Fixed Effects

This paper applies bootstrap methods to LM tests(including LM-lag test and LM-error test) for spatial dependence in panel data models with fixed effects, and removes fixed effects based on orthogonal transformation method proposed by Lee and Yu(2010). The consistencies of LM tests and their bootstrap versions are proved, and then some asymptotic refinements of bootstrap LM tests are obtained. It shows that the convergence rate of bootstrap LM tests is O((N T)~(-2)) and that of fast double bootstrap LM tests is O((NT)~(-5/2)). Extensive Monte Carlo experiments suggest that,compared to aysmptotic LM tests, the size of bootstrap LM tests gets closer to the nominal level of signifiance, and the power of bootstrap LM tests is higher, especially in the cases with small spatial correlation. Moreover, when the error is not normal or with heteroskedastic, asymptotic LM tests suffer from severe size distortion, but the size of bootstrap LM tests is close to the nominal significance level.Bootstrap LM tests are superior to aysmptotic LM tests in terms of size and power.     

ATR算法识别率的区间估计与样本量分析

针对雷达ATR性能评估中样本量的特点,从贝叶斯分析角度出发,选取最小长度准则对ATR算法的识别率进行区间估计,主要分析不同估计精度要求下的最小样本量。分析了识别率区间估计的影响因素,分别给出了无先验信息和两类典型有先验信息情况下的识别率区间估计方法和样本量确定准则,得到了识别率估计精度和所需最小样本量的关系。     

Testing serial correlation in semiparametric varying coefficient partially linear errors-in-variables model

The authors propose a V _{N, p} test statistic for testing finite-order serial correlation in a semiparametric varying coefficient partially linear errors-in-variables model. The test statistic is shown to have asymptotic normal distribution under the null hypothesis of no serial correlation. Some Monte Carlo experiments are conducted to examine the finite sample performance of the proposed V _{N, p} test statistic. Simulation results confirm that the proposed test performs satisfactorily in estimated size and power. This research is supported by the National Natural Science Foundation of China under Grant Nos. 10871217 and 40574003; the Science and Technology Project of Chongqing Education Committee under Grant No. KJ080609; the Doctor's Start-up Research Fund under Grant No. 08-52204; and the Youth Science Research Fund of Chongqing Technology and Business University under Grant No. 0852008.     

基于OLS退势的单位根检验

研究了不同情形下OLS退势单位根检验统计量的性质.推导了检验统计量的渐近分布,同时,运用蒙特卡洛试验模拟了有限样本容量条件下检验统计量的分位数,在拟合分位数关于样本容量响应面函数的基础上,给出检验统计量不同样本容量条件下8个百分位数的估计值,为OLS退势单位根检验提供理论依据和检验用临界值表.     

基于后验风险确定故障样本量的Bayes方法

针对目前测试性故障样本量的确定方法过于粗糙和试验样本量过大的问题,提出了合理运用信息熵方法对装备系统各单元的测试性先验信息进行信息融合,得到装备系统级测试性试验数据。在此基础上得到测试性指标的先验分布,并进一步通过Bayes后验风险准则确定故障样本量及试验方案。以某型电动舵机系统各模块的试验数据为例,以故障检测率为测试性指标,经过分析和计算,发现运用所提方法得到的故障样本量相比传统方法明显减少,从而减少了试验成本,同时得到的测试性指标相对误差较小,保证了可信度。     

小样本DF统计量的分布特征

用蒙特卡罗（ＭｏｎｔｅＣａｒｌｏ）模拟方法着重研究了样本容量在５５以下的ＤＦ统计量的分布特征，并给出检验水平分别为０．０１，０．０５和０．１的ＤＦ检验临界值表并对小样本ＤＦ检验的功效作出分析．因为在有些国家以年为单位的经济时间序列的最大可观测个数并不是很大，所以小样本ＤＦ统计量分布的研究尤其有重要意义．     

Rank-Based Test for Partial Functional Linear Regression Models

This paper investigates the hypothesis test of the parametric component in partial functional linear regression models. Based on a rank score function, the authors develop a rank test using functional principal component analysis, and establish the asymptotic properties of the resulting test under null and local alternative hypotheses. A simulation study shows that the proposed test procedure has good size and power with finite sample sizes. The authors also present an illustration through fitting the Berkeley Growth Data and testing the effect of gender on the height of kids.