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.     

面板数据的空间Hausman检验

在空间相关性存在的情形下,经典Hausman检验不再有效。以面板数据空间误差分量(Spatial ErrorComponents,SEC)模型为例,提出面板数据的空间Hausman检验,并通过Monte Carlo模拟实验比较空间Hausman检验与经典Hausman检验的有限样本性质。研究结果表明,空间Hausman检验具有较小的水平扭曲和良好的检验功效,空间权重矩阵的选取将影响检验的有限样本性质,增大样本量使得检验更为有效;经典Hausman检验虽然检验功效较大,但存在较大的水平扭曲,不适用于空间相关性存在的个体效应判定。     

空间滞后模型的稳健检验

针对现有空间滞后模型检验存在的问题,首先用矩估计方法得到空间误差参数的一致估计量,然后以局部稳健检验方法为理论基础, 构造稳健检验统计量.该方法既成功回避了采用极大似然估计法构造检验统计量时遇到的繁琐计算问题,又有效解决了现有局部稳健检验方法适用范围受限的缺陷.同时,相对于直接采用矩估计法构造检验统计量的方法,该方法也有明显优势. 蒙特卡罗模拟的结果支持上述论断.     

基于T~2统计量的Phase Ⅰ线性轮廓局部变化变点识别方法

研究Phase Ⅰ线性轮廓的局部数据发生变化时的变点识别问题。通过分割轮廓,将各段轮廓特征值视为多元变量,结合T2统计量设计变点识别方法。仿真性能比较研究的结果表明当线性轮廓的斜率或截距出现局部变化时,新方法的变点识别能力优于现有方法。因此本方法是一种有效识别线性轮廓局部变点的Phase Ⅰ分析工具。     

基于二阶循环统计量的BPSK参数估计

针对复值二进制相移键控(binary phase shift keying, BPSK)信号,推导了其无共轭项和带共轭项的二阶循环累积量表达式,分别研究了时延对其循环频率特性的影响,得出了独立的载频和码片时宽估计算法,即可以利用无共轭项二阶循环累积量时延零切片估计载频,可以利用带共轭项二阶循环累积量时延非零切片估计码片时宽,并推导了最优时延的选取,进而提出了一种更优良的码片时宽估计算法。仿真实验表明,提出的载频估计算法与循环谱算法比较,虽有2 dB的损耗,但是计算复杂度减小|码片时宽估计算法性能比利用循环谱的估计算法提高5 dB以上。     

基于次序统计量的发电公司竞价策略研究

假定竞争对手的报价策略变量服从某种经验分布,基于贝叶斯博弈原理,运用次序统计量方法,分别对电力需求确定与不确定情况下的发电公司竞价构造了博弈模型,并通过模型的求解与分析,给出了发电公司的均衡报价策略;最后对由5个发电商组成的电力竞价市场进行了算例分析,结果表明:发电商的均衡报价要么接近报价上限,要么在较低价格水平上随成本呈正向变动.     

一种基于高阶统计量的图像识别算法研究

提出了一种基于图像高阶统计量的识别算法。利用Radon变换将图像数据变换到一维空间,通过计算投影数据的双谱构造出具有比例和平移不变性的特征。利用Rapid变换获得特征的旋转不变特性;接着,利用阈值分析的方法进行特征选择,获得了较原始特征更好的识别效果。针对特征向量过长的问题,利用主元分析进行长度压缩。与不同方法的实验比较表明,算法能够有效地用于图像识别。     

基于形状统计量的空中目标识别

对直升机和固定翼飞机这两类空中目标多普勒频谱测量能力进行分析,并在测量能力得到满足的前提下,针对目标的多普勒频谱提出了用形状统计量(偏度量和峰度量)作为目标识别的特征。通过对18种直升机和固定翼飞机仿真数据进行检验,证明这种方法是有效的,并且适用于悬停直升机的探测与识别。     

基于分数低阶统计量的正交小波盲均衡算法

对于服从分数低阶Alpha稳定分布的非高斯信号,其二阶和高阶统计量都是不存在的。当环境噪声为这种噪声时,基于高阶统计量的常数模盲均衡算法(CMA)的均衡性能很差。为了克服环境噪声服从分数低阶Alpha稳定分布时,CMA的性能缺陷,提出了一种基于分数低阶统计量的正交小波盲均衡算法。该算法利用分数低阶统计量来抑制Alpha稳定噪声,根据最小分散系数准则优化盲均衡算法的权向量,并对均衡器输入信号进行正交小波变换,通过降低均衡器输入信号的自相关性来加快收敛速度。水声信道仿真结果表明,该算法性能明显优于CMA。     

空间滞后模型的标准化稳健检验及其功效对比分析

在误差项分布未知、模型设定偏误以及不同形式空间布局的复杂条件下,本文提出检验空间滞后模型的标准化稳健LM检验方法,并采用Bootstrap法和Monte Carlo法对统计量的渐进性进行分析. 结果表明：采用Bootstrap法和Monte Carlo法的检验功效均优于现有LM检验方法;对于小样本,结合Bootstrap法与本文提出的统计量进行模型设定的检验更可靠;在空间布局为Group规则时,采用本文提出的统计量进行模型设定的检验效果更好.     

空间面板模型协整检验的Bootstrap改进算法及功效分析

忽略面板模型横截面之间的空间相关性易导致其协整检验误拒率偏高。本研究采用模型变量的空间矩阵变换和回归残差Sieve Bootstrap技术相结合,既能使数据结构不受重抽样影响,又可发挥自助抽样(Bootstrap)技术优势,由此发展出基于Sieve Bootstrap技术的空间面板计量模型协整P检验,可在建模过程中充分考察空间效应的同时防止出现虚假回归。模拟及实证结果均表明：当面板数据模型出现内生回归元或横截面之间存在空间相依关系时,该检验不仅明显降低误拒率,还能保持高检验势,同时结果更具稳健性。     

基于多维伪F统计量的基因表达动态聚类分析方法研究

K-均值聚类分析算法是一种广泛应用于基因表达数据聚类分析中的迭代变换算法，它通过指定类别数K-基于给定的聚类目标函数，并采用迭代更新的方法，使得最终的聚类结果的目标函数值为极小值，达到较优的聚类效果。针对K-均值聚类分析算法存在参数依赖性强，且在整个聚类过程中类的数目无法改变的缺点，引入动态调整聚类个数的思想和多维伪F统计量，提出了一种基于多维伪F统计量的基因表迭动态K-均值聚类算法。实验结果表明该算法可以动态调整聚类个数，给出最佳聚类数目，从而获得较好的聚类质量．     

贸易自由化如何影响技术创新质量?——基于空间计量模型的实证检验

贸易自由化为前沿技术引进和知识溢出提供渠道支撑,成为后发经济体技术创新质量提升的重要引擎,但也可能会触发本土防御性技术创新行为,贸易自由化如何影响技术创新质量的问题有待进一步考察.为此,基于2009-2018年我国30个省份的面板统计数据,本文采用空间计量模型实证检验了贸易自由化对技术创新质量的影响及其空间效应.结果发...