AR模型参数的Bootstrap方差估计

针对故障诊断中AR模型参数判别门限值的确定需要大量样本和重复多次试验的问题，采用小样本统计的Bootstrap方法对车削振颤AR模型参数的方差进行了估计，结果表明，该方法具有较好的估计结果和工程应用价值。     

非参数AR（1）误差下AR模型定阶

对一类非正态误差的模型AR，在待定阶数p的情况下，给出误差项中未知实函数依概率有界的定理，可把非正态误差转化为正态情强，最后运用正态误差下AR模型的方法确定阶教和参数，井给出一个算例。     

非参数回归模型的模型检验

在此考虑非参数回归模型的模型检验问题．基于Plug-in经验似然方法。构造经验似然比检验统计量．证明其满足Wilks’现象,而得到了一定显著性水平的拒绝域,最后通过数据模拟。讨论了其检验功效．     

非线性模型中Bootstrap M-估计量的a.s收敛性

本文利用Efron’s提出的Bootstrap方法,建立了Bootstrap M估计的a.s后收敛性.     

空间经济计量模型Bootstrap检验功效的仿真分析

当误差项不满足经典的正态独立同分布假设条件时,利用Moran’sⅠ统计量的渐近分布进行空间相关性检验的功效较弱.文中把Bootstrap方法用于空间经济计量模型的空间相关性Moran’sⅠ检验统计量,Monte Carlo模拟实验结果表明:从功效角度看,当误差项服从正态独立同分布时,Bootstrap检验与渐近检验同样有效,甚至优于渐近检验;当误差项不服从正态独立同分布且存在异方差时,Bootstrap检验能够有效地提高渐近检验的功效;当样本量较小时,空间相关系数和空间衔接结构等对功效有显著影响,尤其是在空间衔接密度较高的Queen矩阵和空间相关系数小于0的情况下,Bootstrap检验的功效显著大于渐近检验;当空间权重矩阵为Queen矩阵时,Bootstrap检验的功效曲线随样本量增大而从√型变成V型,对称性增强,空间衔接结构对Bootstrap检验功效的影响减弱.     

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.     

关于固定效应模型非参数回归函数核估计的强相合性

本文主要讨论固定效应模型非参数回归函数的核估计.在较为一般的条件下,证明了回归函数核估计的三种形式是强相合的和强等价的,从而得到了更为深刻的结果。     

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.     

验证二项响应回归模型预测能力的置换检验方法

通过一个数值例子,说明了顺序关联度量与ROC分析这2种常用方法在二项响应回归模型预测能力验证方面存在不足.基于置换检验思想,提出了一种新的验证方法.并通过对2个实例的研究,考察了置换检验验证法的表现.     

Bootstrap门限向量误差修正模型中门限同积SupLM检验

对门限向量误差修正模型提出了基于原假设为线性非同积关系的一种门限同积SupLM检验。给出了理论证明的检验门限同积关系存在性的SupLM检验的理论证明,以及相关的bootstrap算法。模拟实验得到比较好的检验水平和功效,进一步将其用于研究几种美国国库券收益率的关系,发现它们之间存在明显的门限同积关系。     

有限样本递归均值调整单位根检验与Bootstrap研究

针对理论研究和模拟研究参数设置不一致问题,推导零均值递归均值调整单位根检验功效公式,结果表明其分布在大样本下与非零均值结果相同.为纠正临界值检验的不足,提出了3种Bootstrap样本构造方法,证明了Bootstrap方法既可以用于研究检验水平也可以分析检验功效.蒙特卡洛模拟表明,Bootstrap方法不但具有完美的检验水平和较低的水平扭曲,而且也具有功效优势; 实证研究结论也表明Bootstrap方法可以用于实际序列的单位根检验.研究结论既丰富了单位根递归均值调整检验理论,也为实证研究提供一种新检验方法.     

多传感器多变量AR模型信息融合辨识方法

对于带白色公共干扰噪声、白色观测噪声和传感器偏差的多传感器多变量自回归（AR）模型,当AR模型参数、传感器偏差和噪声方差未知时,提出了一种信息融合多段辨识方法,其中用多重递推增广最小二乘法（MRELS）得到AR模型参数和传感器偏差的局部和融合估值器,再用相关方法得到局部和融合噪声方差估值器。这些估值器具有一致性。一个仿真例子验证了其有效性。     

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。     

经验过程在阿基米德Copula拟合优度检验中的应用

针对阿基米德Copula所特有的变量可交换性,提出了一种基于经验Copula过程的新拟合优度检验方法。不同于一般的Copula拟合优度检验,该方法在选择最优的阿基米德Copula时具有良好的效果。