基于变量选择的异方差G-Q检验

在线性回归模型的异方差检验中，Goldfeld-Quandt (G-Q)检验是常用的方法，但传统的G-Q检验在一般情况下仅适用于一元回归，有其局限性。本文围绕G-Q检验展开讨论，通过借鉴White检验的思想对多元线性回归中的变量进行筛选，并使用筛选出的变量进行G-Q检验的排序，使其可以应用于多元线性回归模型，通过多种情况下的大量数值模拟与其他改进的G-Q检验以及White检验进行了比较。模拟结果中，本文提出的方法在大多数情况下优于其他几种方法，且在异方差较易识别的情况下的异方差检出率达到90.17%以上，论证了本文方法良好的检验效果，并且用实例验证了其可行性。     

太阳黑子的多项式趋势-自回归-条件异方差模型

用确定性趋势与残差服从条件异方差模型的自回归模型组合，作为太阳黑子相对数的数学模型，用它拟合1848—2002年太阳黑子相对数数据，取得很好的效果，首先通过逐步回归与逐步自回归，建立太阳黑子数的多项式趋势-自回归校正模型，然后通过PortmanteauQ检验和Lagrenge乘子检验证明残差存在强烈的异方差性，表明仅仅用多项式趋势-自回归校正模型是不够的，再配上一种条件异方差模型，即EGARCH模型控制其残差方差，从而建立多项式趋势 自回归 EGARCH模型，用此模型进行数据拟合回代，分析和预测，表明该模型的拟合，预测效果是好的，所分析的太阳黑子周期是恰当的。     

基于GARCH模型的海西州地区高血压发病情况研究

基于广义自回归条件异方差模型的理论,通过建立广义自回归条件异方差模型研究高血压月发病率和月平均气温之间的相互关系.文章通过EViews软件对青海省海西州地区高血压发病病例监测登记资料进行统计分析,并利用原数据建立广义自回归条件异方差模型,通过对模型中的残差序列进行独立性检验和预测,确定所建立的广义自回归条件异方差模型的合理性.     

流动性风险的探讨与实证分析

首先对流动性时间序列进行特征分析,根据时间序列自相关和偏相关的特点建立相应的自回归移动平均模型。用LM检验模型的残差是否存在异方差现象;为了很好的描述丛集性的特征,建立了ARMA（1,1）-ARCH（1）模型;然后再对模型的残差做删和Q统计量的检验,来解释模型的合理性。最后,根据所建的模型求出条件异方差,进而计算流动性风险值。     

重庆工业总产值的主成分分析

在假设模型设定是正确的条件下假设出工业总产值函数,运用Eviews软件进行最小二乘估计以及拟合优度的检验,由于存在多重共线性,于是检验自变量相关性。通过逐步回归剔除变量,排除引起共线性的变量,最终得到回归函数。对回归函数的序列相关性检验,通过DW值及LM检验说明不存在序列相关。异方差性的检验,帕克检验与戈里检验,以e 2i为被解释变量,以原模型X1为被解释变量,建立如下方程:e 12=f(Xj)+ε1,对方程进行显著性检验,得到α不显著为零,可认为无异方差性。用一次指数平滑法预测2011年各变量数据,再将这些数据带入估计方程,得到工业总产值2011年预测值。     

应用自回归条件异方差模型研究我国水力发电量

为了研究水力发电量条件方差的变化规律及残差的统计分布特征,引入自回归条件异方差模型,建立基于正态分布假设的同阶自回归条件异方差模型对我国2001年1月到2016年2月的水力发电量进行实证分析,研究得出该模型对发电量的估计与预测具有良好的效果。     

随机设计下非参数回归模型方差变点检验

目的 研究随机设计下非参数回归模型方差变点检验.方法 用局部多项式方法估计回归曲线得到残差序列,基于残差序列的平方构造CUSUM检验统计量,推导检验统计量的极限分布.结果 在一定条件下证明了原假设下检验统计量收敛于Brown桥的上确界.结论 局部多项式方法同时适用于随机设计与固定设计数值,方法性是有效性的.     

一种回归模型异方差性的检验方法*

针对现有回归模型异方差性检验的局限性,借鉴尺度参数检验与重抽样方法的思想,通过对残差序列进行随机抽样,提出了一种可行的非参数检验方法;该方法具有更强的适用性,Monte Carlo模拟结果表明,其检验效果良好,尤其针对样本量较小的情形。     

我国玉米价格波动的条件异方差模型实证分析

为了研究我国2005年1月到2014年12月玉米价格序列条件方差的变化规律及残差的统计分布特征,引入自回归条件异方差模型,建立基于正态分布假设的模型进行实证分析,得出该模型对我国玉米价格的估计与预测具有良好的效果。     

基于小波的回归-GARCH模型及其在外汇储备中的应用

结合小波变换、多项式回归和GARCH模型对中国的外汇储备进行分析及预测.首先利用db4小波对数据进行去噪处理,并对去噪后的数据建立多项式回归模型.由于去噪后的数据与回归模型之间存在残差,且残差具有自回归条件异方差效应,故对该残差建立GARCH模型.然后将回归模型和GARCH模型进行线性叠加,从而得到基于小波分析的回归-GARCH模型.最后将预测值与实际值进行拟合,发现拟合效果较好.充分证明了小波变换、多项式回归和GARCH模型相结合的方法在处理外汇储备这类具有明显增长趋势的非平稳时间序列时,具有明显的优越性,是一项有用的分析预测工具.     

回归分析中异方差检验新方法

针对回归分析中异方差问题，提出了新的Ｆ检验法和新的回归检验法，并与ＧｏｌｄｆｅｌｄＱｕａｎｄｔ检验、Ｗｈｉｔｅ检验和Ｇｌｅｊｓｔｅｒ检验作了比较和讨论．提出的新检验方法，先对回归残差作线性变换，然后再作检验，与通用检验法相比，检验的精确性大为提高．     

抽样调查中关于模型推断的思考

抽样调查中利用辅助信息建立超总体模型能够有效提高推断总体参数的效率.模型辅助方法的思想是基于抽样设计借助于超总体模型获得对总体参数的有效推断.基于模型推断方法完全是基于超总体模型推断总体参数.平衡样本是指辅助变量的汉森赫维茨估计等于总体总量的真值.对于平衡样本,如果模型的异方差性可以通过辅助变量解释,模型辅助获得的广义回归估计与基于模型的最优无偏估计是一致的,搭建了基于设计推断与基于模型推断的桥梁.由此得出最优抽样策略:平衡抽样设计与HT估计结合是最优策略,包含概率正比于模型残差的标准差.     

美元/欧元汇率的趋势与波动分析及区间预测

对美元/欧元汇率进行趋势与波动分析并作出区间预测。利用BP神经网络提取趋势,对残差分别运用自回归移动平均模型和广义自回归条件异方差模型分析波动性,将趋势与波动性结合给出区间预测。对2001年7月至2017年10月美元/欧元汇率的研究发现,BP神经网络具有很好的非线性刻画能力,但只有合适的预测精度才能得出较好的预测区间,同时也发现,广义自回归条件异方差模型对波动性的分析效果优于自回归移动平均模型。因此,BP神经网络模型与广义自回归条件异方差模型的组合模型(BP-GARCH模型)更适合时间序列的中长期区间预测。通过调节BP神经网络的参数、误差及预测精度提高组合模型的精度。     

基于GARCH模型的股票波动性分析

对于高频金融数据,模型回归后得到残差序列的方差衡量了投资的风险程度,一直以来是人们关注的焦点。通常情况下,残差平方项之间存在一定的正相关性,这就是股票市场波动性的集群现象。本文主要运用GARCH类模型对这种现象进行分析,并选取能够对数据作出最优拟合的模型。     

异方差的估计与实证

“异方差”是微观计量建模中不可回避的问题，尽管计量经济学理论从残差项出发给出大量的检验方法，但对如何估计异方差则没有给出明确答案。从数据分布出发，认为极大似然法在估计异方差方面具有独特的优势。首先建立异方差的极大似然估计模型，然后对一实际调查数据进行异方差估计。     

基于G-Q的K-S异方差检验方法

在异方差线性回归模型中,G-Q检验是常用的方法,但G-Q检验通常适用于一元线性回归模型中,且有适用条件;而在多元线性回归模型中,G-Q检验也不是一个有效的异方差检验方法。针对G-Q检验的局限性,文章基于G-Q检验的基本思想,采用非参数Kolmogorov-Smirnov检验对线性回归模型进行异方差检验。通过大量数值模拟和实证分析,结果表明该方法具有一定的可行性和可靠性。     

一类线性回归模型异方差性的LM检验

笔者考虑了特殊情形下一类异方差性线性回归模型,首先导出了在模型中当异方差为线性函数时异方差检验的LM检验统计量,然后举例说明该方法的功效。     

异方差回归模型的拟合和变量选择

作者研究了异方差回归模型的估计与变量选择问题.在误差分布未知的情况下,作者分别给出了联系函数已知及未知时均值与方差的估计.另外,作者在给出估计的同时,分别选出了对均值与方差影响显著的变量.     

我国货币供给函数的协整与误差校正模型

传统的线性回归建模常假定时间序列是平稳的,以保证普通最小二乘法得到的估计量一致.而多数经济时间序列却是非平稳的,对其做线性回归可能产生所谓的“伪回归”.在协整理论基础上,借助统计和整理的经济数据,运用计量经济学的Eviews统计软件对我国货币供给进行实证分析,建立了误差校正模型.对误差校正模型残差的自相关性、异方差性进行检验,结果表明该模型在我国货币供给中是有效的,克服了“伪回归”现象,且具有很好的经济解释意义.     

相依误差下非参数回归模型的方差变点Ratio检验

运用Ratio检验方法研究相依误差下非参数回归模型的方差变点检验.首先利用核估计方法估计模型中的回归函数得到残差序列,其次利用残差序列构造Ratio检验统计量,并推导检验统计量的极限分布,最后通过数值模拟验证检验方法的有效性.