具有AR(2)误差非线性回归模型的联合检验

在讨论了具有AR(2)误差的非线性回归模型相关性和异方差性的联合检验的基础上, 首先导出了关于误差相关性和异方差性的似然比检验统计量和Score检验统计量, 然后根据参数正交变换, 得到了修正的似然比检验统计量和修正的Score检验统计量, 推广了文献［1］的结果。     

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。     

异方差半参数变系数部分线性EV模型的经验似然

利用经验似然方法考虑异方差半参数变系数部分线性EV模型中兴趣参数置信域的构造.分别在误差方差已知和未知情形下,构造模型参数部分的经验对数似然比统计量,并验证非参数情形下的Wilks定理成立.模拟研究表明经验似然估计方法具有优良的性质.     

Gamma广义非线性模型过方差的检验

讨论了Ｇａｍｍａ广义非线性模型过方差的检验，得到了检验过方差的Ｓｃｏｒｅ检验统计量与似然比检验统计量，利用Ｃｏｘ和Ｒｅｉｄ（１９８７，１９９３）的修正方法，给出了修正的Ｓｃｏｒｅ检验统计量和修正的似然比检验统计量；在理论上，提供了检验过方差的一个简洁而有效的方法。     

一类双函数系数ARCH-M模型的经验似然估计

针对一类双函数系数自回归条件异方差-均值(ARCH-M)模型的估计问题,提出一种基于经验似然的估计方法;在该估计方法中,所提出的模型允许金融时间序列的风险效应和收益效应同时为某一变量的函数结构,可以有效地刻画金融时间序列的风险和平均收益之间的关系,具有较广的适应性;同时,与经典矩估计法和极大似然估计法相比,基于经验似然的估计方法具有独特的优势,可以充分考虑金融序列的异方差性,并且所构造的置信区间不涉及任何渐近方差的估计,因此具有较好的稳健性和有效性;在一些正则条件下,对所构造的经验对数似然比统计量及函数系数估计量的渐近分布进行了理论分析;结果表明：关于风险效应函数系数和收益效应函数系数的经验对数似然比统计量均渐近收敛于中心卡方分布,同时函数系数估计量渐近收敛于正态分布;进而对风险效应函数系数和收益效应函数系数分别构造了相应函数系数的逐点置信区间。     

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.     

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。     

异方差性的诊断方法及数据属性影响的实证分析

本文对异方差性检验常用方法作了总结评价,从数据角度来讨论数据属性对异方差性检验的影响.利用Breusch-Pagan检验、和White检验,通过删除异常点,影响点前后所作模型的异方差检验,得到完全相反的结论.因此,这些发现表明,作异方差检验时要十分关注异常数据影响诊断,这对我们进行经济建模,作模型诊断有一定的指导作用.     

GARCH(1,1)模型参数的多变点检验

研究广义自回归条件异方差(GARCH)模型的多变点检验问题.基于残量累积和(RCUSUM)构造拟似然比检验统计量,对GARCH(1,1)模型中变点的个数和位置都未知的多变点进行检验.在上述过程中同时得到变点个数与位置的估计,并且证明了变点个数估计的一致性.数值模拟表明文中的方法是有效的.     

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。     

两正态总体相等的似然比检验

为检验在一个总体方差已知时两正态总体是否相等,文章构造了新的似然比检验统计量,此似然比检验统计量不同于Neyman和Pearson提出的检验统计量,并给出了新检验统计量的精确零分布。最后利用Monte Carlo方法对该文检验统计量的第一类错误和检验功效进行了模拟分析,结果验证了本文新检验统计量的有效性。     

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.     

相依序列方差变点的非参数统计分析

基于严平稳β-混合过程,建立回归函数和条件方差函数形式均未知情况下的自回归异方差模型方差变点的估计方法;并给出变点检验统计量渐近正态性的证明,由此得到方差变点的检验方法;最后,通过数值模拟,展示估计方法的有效性.     

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.     

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。     

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 .     

具有AR(p)误差的非线性模型异方差和相关性检验

讨论随机误差是AR(p)序列的非线性回归模型的异方差和自相关性检验问题.首先导出联合检验的score统计量,然后利用参数的正交变换,得到了调整的score检验统计量.当模型存在自相关性时,给出了检验异方差性的score统计量和调整的score统计量.最后利用得到的检验方法分析了氯化物数据,分析结果表明,该数据具有显著的异方差和AR(2)相关性.     

单向分类随机模型误差方差齐性的极大似然比检验

解决了已知均值相等条件下单向分类随机模型误差方差的齐性检验(b=2)问题. 利用极大似然比方法导出了检验统计量. 运用Barttlett分解推导出了检验统计量的一般分布, 从而求出了原假设的拒绝域, 讨论了检验的功效和相合性, 最后给出一个应用实例.     

异方差的估计与实证

"异方差"是微观计量建模中不可回避的问题,尽管计量经济学理论从残差项出发给出大量的检验方法,但对如何估计异方差则没有给出明确答案.从数据分布出发,认为极大似然法在估计异方差方面具有独特的优势.首先建立异方差的极大似然估计模型,然后对一实际调查数据进行异方差估计.     

基于变量选择的异方差G-Q检验

在线性回归模型的异方差检验中，Goldfeld-Quandt (G-Q)检验是常用的方法，但传统的G-Q检验在一般情况下仅适用于一元回归，有其局限性。本文围绕G-Q检验展开讨论，通过借鉴White检验的思想对多元线性回归中的变量进行筛选，并使用筛选出的变量进行G-Q检验的排序，使其可以应用于多元线性回归模型，通过多种情况下的大量数值模拟与其他改进的G-Q检验以及White检验进行了比较。模拟结果中，本文提出的方法在大多数情况下优于其他几种方法，且在异方差较易识别的情况下的异方差检出率达到90.17%以上，论证了本文方法良好的检验效果，并且用实例验证了其可行性。