基于变量选择的异方差White检验

在多元线性回归模型的异方差检验中,当解释变量较多且两两之间相关系数较低时,会导致传统White检验构造的辅助回归函数参数增多、计算量增大、检验效果不明显。针对这一问题,基于异方差检验原理,建立残差平方与解释变量之间的回归模型,筛选出系数显著的解释变量,利用残差平方与筛选出的解释变量构建辅助回归模型进行异方差检验。数值模拟及实证分析表明该方法有良好的检验效果及简单的步骤。     

回归模型中的异方差性检验及分析

本文首先导出非线性回归模型中，当权函数具有较一般形式时异方差性检验的Ｓｃｏｒｅ检验统计量，然后讨论了线性模型中自变量或因变量的扰动为Ｓｃｏｒｅ检验统计量的影响，最后给出了两个应用实例。     

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.     

几种异方差检验方法的比较

经典线性回归模型的一个重要假设就是回归方程的随机扰动项具有相同的方差 ,也称同方差性 .但在大多数经济现象中 ,回归方程的扰动项的方差随观察值的不同而变化 ,这种模型称为异方差模型 .如果对异方差模型进行OLS估计 ,就会产生严重的后果 ,因此 ,选取适当的异方差的检验方法是极其重要的 .本文对帕克检验、格莱舍尔检验、戈德菲尔德 -匡特检验作随机模拟 ,并对这几种方法略作比较 .     

异方差的游程检验

异方差现有常规检验方法的大多是参数检验的方法,需要参数服从一定的分布.但实际研究中往往有很多参数不服从假设的分布,针对这一以往方法的缺陷,提出了异方差的游程检验方法.该方法能克服参数检验需要参数分布的缺陷,而且也能用于小样本.先对游程检验做了简单的概述,介绍了游程检验的基本原理,然后就叙述了游程检验对异方差检验的应用.     

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。     

多元线性回归模型中的异方差性问题

对计量经济学模型中应用最为普通的线性回归模型进行了一些分析．指出模型的基本假设中“同方差性”不能满足，即出现了异方差性问题时，会出现哪些后果，应如何对模型作出调查，并介绍了目前使用较多的检验“异方差性”的方法．最后建立了我国消费函数模型．     

特殊情形下线性模型异方差性的LM检验

考虑了特殊情形下具有异方差性的线性模型。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检验统计量及其性质,然后举例说明其有效性。     

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．     

影响图在非线性回归异方差检验中的应用

提出把加权非线性回归模型看作一个扰动模型,利用影响图的正则曲率研究了此模型的异方差检验问题,并在此基础上得到了改进的Score统计量。最后用具体的数值实例说明所得结论的有效性。     

自回归条件异方差模型的模拟

通过介绍怎样利用SAS/ETS中的自回归(Autoreg)过程实现条件异方差(ARCH)模型数据的分析,将理论与实践相结合,利用SAS/IML软件模拟两组(一组为ARCH(q)模型,另一组为AR(m)-ARCH(q)模型)ARCH数据,然后调用自回归过程对两组数据分别用相应ARCH模型进行效据拟合,得到理想结果.     

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。     

误差为ARMA(1,1)的非线性回归模型相关性和异方差的检验

本文讨论了误差为ARMA（1,1）序列的非线性回归模型。首先得到随机误差相关性和异方差性检验的似然比检验统计量和Score检验统计量;其次利用参数正交变换,得到了修正的似然比检验统计量和修正的Score检验统计量,推广了韦博成、胡跃清（1994）的结果和韦博成（1995）的结果;最后给出了几种特殊情形的似然比检验统计计量和Score检验统计量。     

异方差的两级套模型的方差分量的检验

利用广义p值的概念,研究了异方差的两级套模型的方差分量的精确检验问题,并在异方差的情况下比较两个两级套模型的方差分量.基于广义p值获取精确检验的方法,具有计算简便、易用于小样本问题的特点.     

多元约束线性回归中异常值检验

讨论了带约束的多元线性回归模型中异常值的检验问题,证明了带约束的多元数据删除模型与相应的均值漂移模型的统计量之间的等价性,得到了异常值检验的似然比统计量及其分布。     

基于原始自助法估计异方差线性模型

利用原始自助法(wild bootstrap)估计异方差线性模型,建立了异方差线性模型中参数部分的最小二乘估计的渐近分布,给出了非齐次方差的协差阵的一个相合估计.     

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。     

线性回归模型的稳健估计及异方差检验

将Huber函数引入线性回归模型的对数似然函数中,利用Fisher Scoring迭代法得到参数的稳健估计(M估计);在M估计的基础上,对模型进行异方差检验,建立Score检验统计量;最后用一组实际数据说明本文方法的有效性.     

异方差分层线性模型的A-最优设计

分层线性模型在统计领域和实际应用中受到广泛关注,但是异方差分层线性模型的设计问题尚需更多关注和深入研究。对异方差分层线性模型的A-最优近似设计问题进行研究。以个体参数的精准预测为目标定义了模型的A-最优准则,证明了准则函数的凸性,并借助方向导数建立等价性定理以刻画A-最优设计。在不同的权重函数下以随机斜率一次回归模型和随机截距一次回归模型为例求解A-最优设计的解析或者数值结果,并比较了最优设计和等权重设计。结果显示,对于随机截距模型,等权重设计的效率与最优设计的效率接近,对于随机斜率模型,等权重设计的效率低于最优设计。     

基于估计方程估计的单指标模型异方差检验

针对单指标模型的异方差检验问题,将估计方程估计与完全非参方差函数检验相结合,给出了一种新的检验形式.利用估计方程法得到单指标模型中未知指标参数的估计值,再根据局部线性拟合给出单指标模型联系函数的估计形式,进一步由完全非参方差函数方法构造检验统计量,对模型进行异方差检验.数值模拟部分以检验统计量的经验水平和经验功效为评价指标,实验结果表明,基于估计方程估计比基于梯度外积估计和基于最小平均方差估计的完全非参方差函数检验方法更有效.实例分析部分采用汽车数据集,同样验证了这一检验方法的显著性.