约束条件下带误差线性协变量的变系数部分线性模型的统计推断

研究了当模型中带有误差线性协变量但有辅助信息,且参数部分有附加的线性约束时,变系数部分线性模型的统计推断问题。给出了线性约束条件下参数的profile最小二乘估计,并且证明该估计满足渐近正态性。同时基于profile拉格朗日乘子检验方法检验约束条件的合理性,证明了在原假设成立时,所给出的检验统计量服从渐近标准卡方分布。最后通过数值模拟验证上述参数估计和检验方法的有限样本性质。     

一种线性过程方差变点的比率检验

针对现有的用于线性过程中方差变点的比率检验存在势过低的问题,提出了一种新的检验统计量.同时研究了该统计量在原假设下的渐近分布以及备择假设下的渐近性质.此外提出一种新的变点估计方法,建立了该变点估计方法的收敛性和收敛速度.蒙特卡罗模拟表明了该统计量在样本量大小适中时比原统计量具有更好的经验水平和更高的势,所提出的估计方法也具有一致性.最后通过实例分析验证了该方法的有效性.     

部分线性回归模型中的广义似然比检验

检验了部分线性回归模型中的函数部分是否为常数, 在备择假设下, 先用局部多项式方法估计出函数部分, 在估计中忽略了参数部分, 将其并入误差项, 再使用二阶段估计法, 直接应用最小二乘方法, 估计出参数部分, 并讨论了它们的渐近性质. 计算了零假设下广义似然比检验统计量的表达式, 并给出其渐近分布.     

部分线性固定效应面板数据模型的序列相关检验

考虑了部分线性固定效应面板数据模型的序列相关检验问题,基于差分方法和B样条展开得到了模型中未知参数和非参数分量的估计,进而构造了检验统计量。在原假设成立的条件下证明了所构造的检验统计量具有渐近标准正态分布,并通过数值模拟研究了所提出的估计和检验方法在有限样本下的表现。     

半参数变系数部分线性模型的函系数检验

通过局部线性方法给出未知函系数与未知参数的拟似然估计, 利用未知量的拟似然估计构造了函系数部分的广义似然比检验, 并证明了原假设下检验统计量渐近服从自由度独立讨厌参数与讨厌函数的~$\chi^{2}$-分布, 揭示了Wilks 现象. 通过模拟例子对给出的检验方法作出分析.     

删失回归模型中基于LAD的线性假设检验研究

在ZhaoLC .Linearhypothesistestingincensoredregressionmodels基础上讨论了删失回归模型的线性假设检验问题 ,在局部备择假设成立时 ,给出了基于最小绝对偏差所构造的检验统计量的渐近分布 ,并对检验统计量的表现进行了统计模拟     

部分线性模型基于稳健估计的拟合优度检验

本文用三步稳健估计方法来检验一个模型是否为部分线性模型,在零假设下构造了一个平方残差过程检验统计量,并给出了它的渐近分布。     

因变量缺失下线性回归模型的估计与检验

文章研究因变量缺失下的线性回归模型,借助单点插补方法,首先给出模型的估计,研究参数估计量的渐近正态性,其次,对于模型系数的线性约束检验问题,基于Wald方法构造检验统计量并给出其渐近分布.最后,通过数值模拟验证所提方法的有效性.     

半参可加部分线性EV模型中参数的经验似然比检验

考虑半参可加部分线性EV模型中参数部分的检验问题,提出了经验似然比检验统计量,得到了原假设成立下统计量的渐近卡方分布,方便使用．     

约束条件下分组数据位置参数的估计与检验

采用非线性规则中的库恩－塔克定理和概率论中的中心极限定理,研究约束条件下分组数据位置参数的估计与检验问题,给出了分组数据位置参烽的最大似然估计存在的充要条件和算法,证明了最大似然估计的相合性,并且讨论了似然比检验在零假设下的渐近分布。     

线性测量误差模型的lack-of-fit检验

基于正态假设,提出了测量误差模型lack-of-fit检验的一种方法.在原假设下,检验统计量渐近服从χ2分布. 还就该检验的势函数与权函数的选择进行了讨论,同时与文献中相关的方法进行了比较.     

强平稳α—混合误差情形之下线性模型参数随机加权M—估计

在随机误差为强平稳α－混合情形，用随机加权的方法，得到线性模型参数Ｍ－的估计的弱表示和渐近分布，还讨论了线性假设Ｈ０：Ｈβ－γ的检验问题。     

强平稳α－混合误差情形之下线性模型参数随机加权M－估计

在随机误差为强平稳α－混合情形，用随机加权的方法，得到线性模型参数Ｍ－估计的弱表示和渐近分布，还讨论了线性假设Ｈ０：Ｈ′β＝γ的检验问题     

广义线性模型的M-估计

用M-估计来估计广义线性模型中的未知参数β.首先,在一定的假设条件下,根据已有的对广义线性模型中未知参数β的极大似然估计方法,应用大数定律及鞅中心极限定理,证明了广义线性模型的M-估计的两个重要性质,印相合性及渐近正态性.其次,将固定设计的思想引入M-估计,并与广义线性模型相结合,证明了其相合性及渐近正态性.最后通过数...     

基于φ-散度的乘积多项抽样下对数线性模型的检验水平和功效

考虑了乘积多项抽样下的对数线性模型.在这个模型下,文献[Jin Y H, Wu Y H. Minimum φ-divergence estimator and hierarchical testing in log-linear models under product-multinomial sampling. Journal of Statistical Planning and Inference, 2009,139:3 488-3 500]用基于φ-散度和最小φ-散度估计构造的统计量研究了几类假设检验问题,这其中就有嵌套假设.最小φ-散度估计是极大似然估计的推广.在上述文献的基础上,给出了其中一类检验的功效函数的渐近逼近公式;另外,还研究了在一列近邻假设下检验统计量的渐近分布.通过模拟研究发现,与Pearson型统计量和对数极大似然比统计量相比,Cressie-Read型检验统计量有差不多的甚至更好的模拟功效和水平.     

时空加权回归模型局部线性估计的渐近性质

在模型分析中,对未知参数的估计及其相关性质的研究甚为重要。首先通过假定时空加权回归模型的回归系数是时空位置的函数,给出了时空加权回归模型的一种局部线性估计方法。其次,在假设I~V及引理1下,研究了由此估计方法得到的第p个系数函数估计量所具有的渐近条件性质。最后,证明了第p个系数函数估计量的渐近条件偏差和渐近条件方差。结果表明该估计具有良好的表现。
     

含MA误差的线性模型的经验似然推断

采用拟极大似然估计方法获得含MA误差的线性模型估计方程。为了能够使用经验似然方法,先利用鞅差序列将估计方程中的二次型转化为线性形式;再构造关于模型参数的经验似然比统计量,在一定假设条件下证明该统计量渐近服从卡方分布;模拟结果表明,在参数置信域的覆盖率方面,经验似然方法比参数似然方法更接近置信水平。     

函数带误差的部分线性模型约束下的统计推断

考虑函数带误差的部分线性模型,研究约束条件下参数分量的统计推断.首先提出参数的约束估计并证明其渐进正态性;同时基于广义似然比统计量提出一种检验过程,并证明了即使在一般条件下函数中误差的Wilks现象仍然存在;最后,通过数值模拟检验约束估计值的一致性和检验统计量的有效性.     

变系数模型中的新局部线性估计法

提出一种新的局部线性方法用来估计变系数模型中的未知函数,给出了未知函数估计量的渐近条件偏差和方差.由于新方法所得估计量的渐近方差小于传统线性估计量的渐近方差,因而新方法更加有效.     

半参数单调变系数部分线性EV模型的估计

主要研究半参数单调变系数部分线性EV模型的估计问题,提出了单调纠偏profile最小二乘估计方法,给出了模型中未知参数和单调变系数函数的估计,并在适当条件下证明了参数估计的渐近正态性和非参数单调估计的渐近性质.最后利用计算机数值模拟验证了本文所提方法的可行性及有限样本估计结果的性质.