基于稳定分布的ARCH模型均值检验变点

目的讨论噪声项是稳定分布的ARCH模型的均值变点检验,其中特征指数κ∈(1,2)。方法引入残量平方累积和统计量,在原假设条件成立时,证明其极限分布是Levy过程的泛函。结果蒙特卡罗数值模拟结果表明:统计量的势函数值不仅对样本容量及特征指数敏感,也依赖于均值变点的跳跃幅度。结论残量累积和统计量能有效地检验基于稳定分布的ARCH模型均值变点。     

长记忆时间序列均值变点的比率检验

本文基于两种比率方法研究了长记忆时间序列均值变点的检验问题,在无变点原假设下推导出了检验统计量的极限分布,在备择假设下证明了检验方法的一致性.由于检验统计量的极限分布依赖未知的长记忆参数,还提出了一种避免估计长记忆参数的Sieve AR Bootstrap方法来近似计算检验统计量的临界值,数值模拟结果表明提出的检验方法具有较好的检验效果.最后通过分析一组尼罗河年径流量数据说明了方法的可行性.     

一种相依极小p值统计量概率分布的近似计算方法

极小p值统计量常用于多重检验问题,其显著性在各个检验不独立的情形下计算复杂度过高.在单个假设的检验统计量联合服从多元正态分布,且检验统计量之间非负相关的假设下,检验统计量之间的相关系数的均值可以作为检验统计量相关性的度量.基于这个度量给出了一个计算极小p值统计量的分布函数的近似方法.模拟结果表明该方法计算简便,具有较高的逼近精度.     

基于Sieve Bootstrap方法的长记忆过程均值变点的检验

本文提出一个新的统计量来检测长记忆时间序列中可能存在的均值变点,在原假设下推导出了检验统计量的极限分布在备择假设下证明了检验方法的一致性.为便于实际应用还提出了一种Sieve Bootstrap方法来近似统计量的临界值.模拟结果表明本文方法不仅可以很好的控制经验水平,而且相比已有均值变点检验的方法经验势也有了一定幅度的提高.     

基于block bootstrap的厚尾相依序列均值变点检验

针对无穷方差重尾相依序列的均值变点检验问题,基于序列自正则方法构造CUSUM型统计量,并在原假设下得到其渐近分布,在备择假设下得到检验的容许性。由于其渐近分布依赖于尾指数κ,且考虑到序列之间具有相依性,提出基于残差的block bootstrap方法。蒙特卡洛模拟表明该检验统计量和该抽样方法的有效性。     

具有长记忆误差的线性回归模型参数变点的在线监测

基于改进的滑动和(mMOSUM)方法研究了具有长记忆时间序列误差的线性回归模型系数变点的在线监测问题。通过修正边界函数得到了改进的滑动和监测统计量在原假设下的渐近分布,并在备择假设下证明了该方法的一致性。数值模拟结果表明当线性回归模型带有长记忆误差时,改进的滑动和方法除了长记忆参数值较大情况外仍然有效,且变点位置越靠后时,改进方法对经验势提高和平均运行长度缩短的作用越明显。最后,通过对一组美国的宏观经济数据进行实证分析,说明了方法的可行性。     

面板数据均值渐变变点的Ratio检验

为解决时间序列因观测时间较短而难以确定变点的问题，通过分析独立同分布序列面板数据，对其均值的渐变变点进行检验.假设面板数据中每条时间序列的均值在同一时刻发生变化，提出Ratio检验统计量，并分别在原假设与备择假设下给出检验统计量的极限性质.数值模拟结果表明，面板数据的检验效果优于单条时间序列，实例分析也验证了该方法的有效性与实用性.     

基于多阶段预报分布的贝叶斯多变量均值向量监控模型

针对现有质量控制方法中没有考虑数据信息连续应用及参数不确定性风险问题,通过贝叶斯方法引入多元质量控制模型的参数先验信息,根据模型预报分布,以及多元t分布与F分布之间的关系,构造基于F统计量的贝叶斯均值向量控制限;当生产过程处于稳定控制状态时,利用前一阶段参数后验分布作为下一个阶段参数先验分布,建立序贯贝叶斯均值向量控制...     

厚尾序列均值变点的非参数检验

目的 考虑稳定系数为κ的厚尾分布的均值变点检验问题.方法 利用非参数检验方法.结果 基于Wilcoxon秩和统计量,构造出了相应的检验统计量.结论 得到了原假设下统计量的渐近分布,并证明了在备择假设下统计量的相合性.     

刻度参数变点估计的强收敛速度

对至多一个刻度参数变点的模型,在运用滑窗方法给出了检测变点存在性的U统计量基础上,进一步研究了变点估计的强相合性以及强收敛速度,并得出变点估计的强收敛速度受窗宽的选择影响.