回归模型的相关性检验

基于经验似然的方法构造了检验统计量,对非参数回归模型中的误差进行了相关性假设检验,获得了零假设下检验统计量的渐近分布为χ2分布.模拟计算表明相关性假设检验的经验似然方法具有较好的功效.     

同模型下数据缺失时非参数回归模型反应变量均值的经验似然置信区间

在两总体具有相同的非参数回归模型下,当第一总体的样本为完全样本,第二总体的反应变量完全缺失时,利用第一总体的样本信息,得到了第二总体反应变量均值的经验似然置信区间.     

非参数回归函数的经验似然置信区间

经验似然是由Owen引入的一种非参数推断方法，主要讨论了相依样本下非参数回归函数的经验似然置信区间。     

含空间自相关误差项的非参数回归模型的调整经验似然估计

利用调整经验似然的方法,研究了含空间自相关误差项的非参数回归模型的调整经验似然估计问题。通过鞅差序列处理该模型估计方程中出现的线性二次型形式,构造出该模型的经验似然比统计量。针对经验似然估计方程可能不存在解的情况构造调整经验似然比统计量,证明了该调整经验似然比统计量是渐近卡方分布的,并且对该调整经验似然比统计量的渐进功效进行了研究。     

相依样本下非参数回归函数的经验似然置信区间

构造了固定设计且误差为鞅差序列的相依样本情形非参数回归函数的经验似然比统计量,证明了统计量的极限分布为21χ,在此基础上构造了非参数回归函数的经验似然置信区间.     

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.     

非线性半参数回归模型中参数的经验欧氏似然置信域

考虑非线性半参数回归模型,构造了模型中未知参数的经验欧氏似然比统计量,并证明了所提出的统计量具有渐近χ2分布,由此,可构造未知参数的置信域.     

分块回归技术在线性回归模型经验似然推断中的应用

本文讨论了线性回归模型的经验似然推断问题,利用分块回归技术,定义了模型系数的线性组合的对数经验似然比统计量,并得到其渐近统计分布为卡方分布,从而可以根据所得结果构造模型系数线性组合的区间估计.最后通过数值模拟试验验证了所提方法的有效性.     

非参数似然方法及其应用研究进展

非参数似然方法是在参数似然方法基础上发展的一种非参数方法,具有与传统似然方法类似的许多优良性质,特别是其中的经验似然方法,得到许多学者的重视和研究,是目前统计学的一个重要研究方向。本文在介绍非参数似然方法相关思想基础上,结合团队研究工作,主要从估计、检验和复杂数据应用等方面分别对其研究进展进行较系统地综述,分析相关研究思路和研究内容,给出一些主要结论和研究的侧重点。     

Poisson自回归模型的平稳性检验

利用经验似然方法研究Poisson自回归模型的平稳性检验问题, 通过构造相关检验的经验似然比检验统计量, 在零假设下获得了检验统计量的极限分布, 并通过Monte Carlo数值模拟考察该检验方法的有限样本特征.     

误差为鞅差时的非参数回归模型

本文讨论了描述海水含盐量与年度月份变化之间关系的非参数多元回归模型Y~(j)(X_(in))=g(X_(in))+e~(j)(X_(in))获得了未知数函数g(x)的估计量的相合性。     

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。     

分位数回归模型的经验似然置信区域

在强平稳Ф-混合样本下,利用光滑经验似然方法,给出分位数回归模型参数的经验似然置信区域,得到类似于独立同分布时的结果.该结果优于非光滑LAD方法所得到的结果.     

多元线性回归模型中的经验Bayes检验

本文研究了线性模型中参数的经验Bayes检验的渐近最优性及其收敛速度问题。假设模型为Y=Xβ ε,基中ε～N(0,σ~2I),σ~2未知。通过利用X,Y和n个相互独立的历史样本,我们构造了θ=(β~1,σ~2)′的经验Bayes检验,并证明了该检验与最优的Bayes检验相比是渐近最优的,而且其收敛速度可以任意接近O(n~(-1/2))。     

关于非参数回归模型的误差密度估计

运用泰勒展式讨论了非参数回归模型中未知误差分布函数f（e）的核密度估计fn（e）的渐进性质,以及估计量fn（e）中光滑参数的选择,并给出了f（e）的置信区间．     

非参数回归的CV NN中位数估计的相合性

考虑非参数回归模型Y_i=g(x_i)+e_i,其中g(x)是待估的连续函数,x_i是非随机的,e_i是i.i.d.随机误差。笔者讨论最近邻中位数估计g_(n,h)(x_i)=m(Y_i(1),…,Y_i(h))=Y_i(1),…,Y_i(h)的中位数,其中h利用平均平方误差意义下的cross-validation方法选择。在一定条件下,建立了cross-validation最近邻中位数估计的相合性。     

非参数混合效应模型的估计

针对非参数混合效应模型提出估计方法,通过B样条的方法估计非参数函数,使用惩罚(非加权)最小二乘方法估计随机效应,然后通过构造正态似然函数得到方差的估计,并且证明了方差分量的相合性和函数部分的渐近正态性;最后给出数字模拟来展示所提出方法的估计效果,结果表明:该方法给出的估计效果良好,且在数值上是稳定的。     

非参数估计的小波网络经济预测模型

小波网络是一类由小波构成的神经网络 .在给出基于正交尺度函数的小波网络的基础上 ,建立非参数回归估计的小波网络预测模型 ,并进一步将它应用于经济建模中 .