自助法修正的预白化HAC在平稳过程之间伪回归中的应用

传统预白化HAC法存在有限样本偏差,导致在相互独立的平稳过程回归中存在较高的伪回归概率.本文提出利用自助法减少其有限样本偏差,从而降低伪回归概率.同时,通过与一阶偏差修正的预白化HAC法的比较分析,发现自助法修正的预白化HAC不仅能减少偏差和降低伪回归概率,而且在GARCH类异方差和高阶自回归数据过程中具有更好的稳健性.     

基于HAC估计视角的格兰杰伪因果关系检验

研究发现相互独立的弱平稳过程之间会产生伪因果关系, 经传统HAC法修正的Wald统计量甚至存在更高的伪因果关系概率. 文章认为数据过程的长期方差是发生伪因果关系的深层次原因, 通过改进传统HAC法的截断参数, 能获得格兰杰因果关系检验统计量(Wald)的不依赖于冗余参数的极限分布. 针对设定各种弱平稳过程并利用模拟技术, 研究发现新的Wald^*统计量大大减少了发生伪因果关系的概率, 并且对于数据过程持久性和样本容量是稳健的, 但是存在一定的检验水平扭曲.     

中国科技投入与经济增长的Granger因果关系分析

传统的Granger因果关系检验只适用于平稳变量。中国经济的快速增长使得多数宏观经济变量表现出非平稳特征。协整以及建立在协整关系基础上的误差修正模型为研究非平稳变量之间的因果关系指明了新的途径。本文利用1953～2003年中国科技投入和经济增长的年度数据，建立了一个反映二者动态关系的误差修正模型。通过基于误差修正模型的Granger因果检验，发现中国科技投入和经济增长之间存在双向因果关系。     

区间数据下EV线性回归模型修正的广义最小二乘估计

研究了当响应变量为区间数据时的EV线性回归模型,通过构造区间数据的无偏转换,并对广义最小二乘估计作适当修正,得到了回归参数的估计,在较一般的条件下证明了强相合性和渐近正态性.最后作了若干模拟计算,从模拟的结果发现,利用本文提出的方法所获得的估计具有较高的精度.     

一元线性模型异方差的局部多项式回归

本文将局部多项式回归的非参数方法用于线性模型中异方差的估计 ,改进了传统的两阶段法 ,得到了估计的一致性和渐近正态性 ,为探讨估计的有限样本性 ,给出了若干模拟的例子。     

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.     

一种修正极小方差谱估计算法

通过分析极小方差 (MV)谱估计算法与多信号分类 (MUSIC)谱估计算法之间的关系 ,揭示出在对样本的自相关矩阵进行特征分解后 ,对各特征矢量权系数的不同选择决定了二者性能上的差异。在此基础上 ,构造了一种新的权系数 ,导出了修正极小方差 (MMV)谱估计算法。仿真结果表明 ,MMV算法的分解率高于MV ,方差小于修正协方差自回归 (AR)模型谱估计算法 ,并能正确反映正弦信号间功率的相对大小。     

修正的KSS检验及其对中国通货膨胀率的应用

Kapetanios等~([1])提出在指数平滑转换自回归(ESTAR)模型框架下进行单位根检验.他们的检验是基于误差项为独立同分布的强假设下得到的,该假设在现实中很难成立.当误差项为平稳弱相依时,该检验统计量的极限分布包含冗余参数.通过构造修正的KSS检验,得到了不包含冗余参数的检验统计量.蒙特卡罗模拟结果表明该修正的统计量大大减少了序列相关性带来的水平扭曲(size distortion),且该检验统计量对于非线性平稳过程的检验功效高于PP检验.将该检验用于中国的通货膨胀率,发现它存在着一个单位根,是非平稳过程.     

修正的KSS检验及其对中国通货膨胀率的应用

Kapetanios等^[1] 提出在指数平滑转换自回归（ESTAR）模型框架下进行单位根检验. 他们的检验是基于误差项为独立同分布的强假设下得到的,该假设在现实中很难成立. 当误差项为平稳弱相依时,该检验统计量的极限分布包含冗余参数. 通过构造修正的KSS检验,得到了不包含冗余参数的检验统计量. 蒙特卡罗模拟结果表明该修正的统计量大大减少了序列相关性带来的水平扭曲（size distortion）,且该检验统计量对于非线性平稳过程的检验功效高于PP检验. 将该检验用于中国的通货膨胀率,发现它存在着一个单位根,是非平稳过程.     

基于改进两阶段法和自助法的寿命数据分析

加速寿命试验的样本量通常很小而且截尾会很严重,这样会使得求得的极大似然统计量产生很大的偏差,进而影响到估计的准确度和精度.本文对两阶段法做了较大改进:证明了当各组数据服从Weibull分布且数据类型为无截尾或typeⅡ截尾时,存在两个关于形状参数和尺度参数的枢轴量,并采用无偏因子法修正极大似然统计量;考虑到异方差性,用加权最小二乘法替代最小二乘法估计加速模型的系数.根据两阶段方法不能采用Fisher信息矩阵计算分位数置信区间的缺点,用自助法获得置信区间.本文通过一个实例阐述改进的两阶段法的分析过程.另外,本文用相对偏差和均方误差根作为评判分析方法的准则,将改进的两阶段法和极大似然法在不同的分位点处的寿命估计作了对比.仿真结果表明,改进的两阶段法在低分位点处的寿命估计更优.     

基于分数阶傅里叶变换的LFM混响空时预白化方法

针对主动声纳在浅海混响背景下线性调频(linear frequency modulation, LFM)信号检测的高虚警问题,提出了基于分数阶傅里叶变换(fractional Fourier transform, FRFT)的空时预白化(space time prewhitening, STPW)方法。该方法利用FRFT对LFM信号良好的频域聚焦性,将混响信号变换到分数阶傅里叶域进行白化处理,使混响中的线变频率变换为稳定频率,增强了混响的局部稳定性,从而改善了混响的白化效果。通过实测混响数据对所提方法进行了验证,实验结果表明,所提方法使匹配滤波检测器的统计性能在信混比(signal to reverberation ratio, SRR)-16 dB~0 dB范围内平均提高了13%,显著提高了主动声纳在混响背景下的检测性能。     

基于单调性约束的离散贝叶斯网络参数学习

针对小样本条件下的离散贝叶斯网络参数学习问题,提出一种基于单调性约束的学习算法。首先,给出了单调性约束的数学模型,以表达定性的先验信息;然后,将单调性约束以狄利克雷先验的形式集成到贝叶斯估计中,并利用贝叶斯估计进行参数学习;最后,通过仿真实验与最大似然估计和保序回归方法进行比较。实验结果表明,在小样本条件下,所提算法在准确性上优于最大似然估计和保序回归,但时效性介于二者之间。     

Variable selection for recurrent event data with informative censoring

Recurrent events data with a terminal event(e.g.,death) often arise in clinical and observational studies.Variable selection is an important issue in all regression analysis.In this paper, the authors first propose the estimation methods to select the significant variables,and then prove the asymptotic behavior of the proposed estimator.Furthermore,the authors discuss the computing algorithm to assess the proposed estimator via the linear function approximation and generalized cross validation method for determination of the tuning parameters.Finally,the finite sample estimation for the asymptotical covariance matrix is also proposed.     

Robust Estimation for Partial Functional Linear Regression Model Based on Modal Regression

This paper presents a robust estimation procedure by using modal regression for the partial functional linear regression, which combines the common linear model with the functional linear regression model. The outstanding merit of the new method is that it is robust against outliers or heavy-tail error distributions while performs no worse than the least-square-based estimation method for normal error cases. The slope function is fitted by B-spline. Under suitable conditions, the authors obtain the convergence rates and asymptotic normality of the estimators. Finally, simulation studies and a real data example are conducted to examine the finite sample performance of the proposed method. Both the simulation results and the real data analysis confirm that the newly proposed method works very well.     

Estimation in Linear Regression with Laplace Measurement Error Using Tweedie-Type Formula

Based on a Tweedie-type formula developed under the Laplace distribution, this paper proposes a new bias-corrected estimator of the regression parameters in a simple linear model when the measurement error follows a Laplace distribution. Large sample properties, including the consistency and the asymptotic normality, are investigated. The finite sample performance of the proposed estimators are evaluated via simulation studies, as well as comparison studies with some existing estimation procedures.     

季节虚假回归中参数及统计量的分布特征

实际应用中,通常在回归模型中添加季节虚拟变量来消除季节性的影响,但是当数据生成过程是独立的季节单位根情形下会导致虚假回归现象的发生.本文利用泛函中心极限定理推导出回归参数及相关统计量的渐近分布,从理论上解释了季节虚假回归问题产生的根源.并且,采用蒙特卡罗方法模拟了回归参数及相关统计量的分布特征.最后,通过与非季节情形进行了比较,发现此时R2和DW统计量不再能有效识别普通最小二乘回归中的“季节虚假回归”现象.     

ASYMPTOTIC BEHAVIOR OF THE ESTIMATES OF HIGHER ORDER SPECTRA UNDER TRUNCATED WINDOW

ＡＳＹＭＰＴＯＴＩＣＢＥＨＡＶＩＯＲＯＦＴＨＥＥＳＴＩＭＡＴＥＳＯＦＨＩＧＨＥＲＯＲＤＥＲＳＰＥＣＴＲＡＵＮＤＥＲＴＲＵＮＣＡＴＥＤＷＩＮＤＯＷＹＵＤａｎ（ＩｎｓｔｉｔｕｔｅｏｆＳｙｓｔｅｍｓＳｃｉｅｎｃｅ，ＡｃａｄｅｍｉａＳｉｎｉｃａ，Ｂｅｉｊｉｎ...     

Regression Analysis of Interval-Censored Data with Informative Observation Times Under the Accelerated Failure Time Model

This paper discusses regression analysis of interval-censored failure time data arising from the accelerated failure time model in the presence of informative censoring. For the problem, a sieve maximum likelihood estimation approach is proposed and in the method, the copula model is employed to describe the relationship between the failure time of interest and the censoring or observation process. Also I-spline functions are used to approximate the unknown functions in the model, and a simulation study is carried out to assess the finite sample performance of the proposed approach and suggests that it works well in practical situations. In addition, an illustrative example is provided.