具有线性趋势回归信度模型的自相关性的score检验

回归信度模型在保险研究中具有重要的作用。本文讨论了具有线性趋势回归信度模型自相关性的score检验问题。首先推导出模型中自相关存在性检验的score检验统计量,然后利用Monte-Carlo方法模拟了此种检验统计量的功效。最后利用文中所得到的检验方法对旅客意外身体伤害保险数据进行了实例分析。     

具有结构变化的非线性回归模型的阶段异方差检验

对于具有结构变化的非线性回归模型,两阶段的随机误差同时具有方差齐性是一个基本假设,但是该假设未必正确．本文研究该模型阶段异方差的检验问题．首先探讨了两阶段异方差的同时检验,然后构造了两阶段异方差的两个单个检验,分别得到了同时检验和单个检验的score统计量以及相应的调整形式．然后应用得到的检验统计量分析了南澳大利亚洋葱数据的阶段异方差性(Ratkowsky,1983),并用AIC,SBC进行模型比较,得到的结果与检验结果非常吻合．最后,用Monte Carlo模拟方法研究了统计量的检验功效．     

具有ARIMA（0，1，0）对称误差的非线性模型的统计诊断

本文讨论具有ARIMA(0,1,0)对称误差的非线性模型的异方差检验和局部影响分析.对称误差分布族包括正态,t,power exponential,logistics Ⅰ,Ⅱ,污染正态等所有对称连续分布.文章首先导出了关于白噪声异方差检验的score统计量及其调整形式,然后对模型进行了局部影响分析,得到了基于似然函数扰动和反应变量扰动的诊断统计量.最后,利用实际数据说明了检验方法的应用,并用Monte Carlo模拟方法研究了异方差检验统计量的检验功效.     

具有AR(1)误差的线性随机效应模型中方差齐性和自相关性的检验

在回归分析中，方差齐性是一个很基本的假设．本文对具有AR(1)误差的线性随机效应模型，研究了方差齐性和自相关性的检验问题．我们分别讨论了随机误差异方差、随机效应异方差、多元异方差以及自相关性的检验问题，并用score检验方法给出了三种方差齐性和自相关性的检验统计量．随机模拟的结果表明，当样本容量较大时，检验的功效较好．本文还给出一个数值例子说明检验方法的实用性．另外，模型的结果也可以推广到非线性情形．     

非参数回归模型异方差的小波检验

在非参数回归模型的讨论中, 通常假定方差具有齐性结构. 然而事前并不能保证方差齐性. 因此需要检验异方差性. 基于小波方法提出了一种相合的非参数异方差检验. 首先定义了回归模型的条件方差函数的经验小波系数, 然后证明了其渐近正态性. 在此基础上, 利用 Fan 的小波收缩的概念, 提出了异方差性检验的统计量. 模拟结果表明, 本检验方法优于传统的非参数检验方法.     

非参数自回归模型异方差的小波检验

本文讨论了非参数自回归模型异方差的检验问题.在非参数自回归模型的建模过程中,通常假定方差为常数.然而在建模前,我们应该首先检验这-假定是否成立.本文将利用小波方法来检验异方差问题.我们首先利用核估计方法定义经验小波系数,然后讨论其渐近性质.在此基础上,我们提出了异方差性检验的统计量.数值模拟结果表明,我们的方法表现良好.     

具有线性趋势的回归信度模型中的估计和检验

研究具有线性趋势回归信度模型的参数估计和检验. 对该模型的回归系数和随机效应的方差,利用正交变换法得到了它们的极大似然估计, 并得到了参数的无偏估计. 对随机效应和是否有线性趋势采用似然比检验, 得到了似然统计量较好的近似$P$值, 并对检验的功效进行了模拟研究.     

随机权函数非线性回归模型的异方差统计分析

在回归分析中，随机误差是否存在方差齐性是理论与实际工作者都十分关心的问题，方差齐性假设并不总是正确的，在线性和非线性回归中关于异方差的诊断问题已有许多讨论（[1],[2],[4],[5]）。本文在韦博成（1995）讨论了加权非线性回归模型的基础上，用随机系数的方法，讨论随机权函数非线性回归模型中的异方差检验问题，得到了方差齐性检验的似然比统计量和score统计量，同时，当模型存在异方差时，本文给出了估计方差的一种方法。     

广义空间模型的方差齐性检验

研究了广义空间模型的方差齐性检验问题,在异方差情形下导出了Score检验统计量的具体形式和近似分布.分别应用于混合空间自回归模型和空间误差模型,给出了相应的检验统计量和渐近分布.并利用Monte Carlo模拟对检验统计量的性质进行分析.最后,通过中国能源利用效率的区域特征数据证明了方法的有效性.     

单指标模型异方差检验（英文）

在可加回归模型中,高维回归分析一般采用单指标模型.该模型与参数模型相比更加灵活,同时避免了维数灾难,因为单指标将标准变量向量的维数降低为单变量指标.本文构建了一个带有函数型误差项的单指数回归模型用于检验单指标模型的异方差性.由于回归模型的有效推断要求在存在异方差的情况下考虑异方差,本文提出了检验单指标模型方差不变性的假设.将Levene检验和无限因子水平的方差分析理论结合得到检验统计量用来评估方差同质性.模拟研究显示与已有方法相比,所提检验统计量适用于多种情形.最后将本文的方法应用于分析一组实际数据.     

Heteroscedasticity and/or Autocorrelation Checks in Longitudinal Nonlinear Models with Elliptical and AR（1） Errors

The aim of this paper is to study the tests for variance heterogeneity and/or autocorrelation in nonlinear regression models with elliptical and AR(1) errors. The elliptical class includes several symmetric multivariate distributions such as normal, Student-t, power exponential, among others. Several diagnostic tests using score statistics and their adjustment are constructed. The asymptotic properties, including asymptotic chi-square and approximate powers under local alternatives of the score statistics, are studied. The properties of test statistics are investigated through Monte Carlo simulations. A data set previously analyzed under normal errors is reanalyzed under elliptical models to illustrate our test methods.     

非线性随机效应模型的异方差性检验

随机效应模型广泛应用于刻画重复测量数据的特征．在该模型中,随机误差的方差包括受试群体内部及受试群体之间两项方差．Ｚｈａｎｇ和 Ｗｅｉｓｓ ２０００年研究了线性随机效应模型的异方差检验,本文对非线性随机效应模型,分别讨论了群体内、群体间和多变量的异方差性的检验问题,得到了检验的ｓｃｏｒｅ统计量,并讨论了三种情形下,相应的ｓｃｏｒｅ函数之间的关系．最后给出一个数值例子说明上述方法的有用性．     

Detection of outliers in weighted least squares regression

In multiple linear regression model, we have presupposed assumptions (independence, normality, variance homogeneity and so on) on error term. When case weights are given because of variance heterogeneity, we can estimate efficiently regression parameter using weighted least squares estimator. Unfortunately, this estimator is sensitive to outliers like ordinary least squares estimator. Thus, in this paper, we proposed some statistics for detection of outliers in weighted least squares regression.     

基于纵向数据的ZIP和ZIB非线性回归模型的随机效应存在性检验(英文)

本文研究了基于纵向数据的ZIP和ZIB模型的随机效应存在性检验问题.采用score检验方法,得到了,可用矩阵表示的score检验统计量.最后,用一个数据实例说明检验方法的有效性.     

具有双线性BL(1,1,1,1)误差的非线性回归模型相关性和方差齐性的检验

在时间序列回归模型分析中,相关性和方差齐性的检验是一个很基本的问题.本文讨论了具有双线性BL(1,1,1,1)误差的非线性回归模型的相关性和方差齐性的检验问题, 用Score检验方法给出了双线性项检验、相关性检验、方差齐性检验、以及相关性和方差齐性同时检验的检验统计量.推广和发展了具有线性序列误差项回归模型的结果.本文还用数值实例说明了检验方法的实用价值.     

Heteroscedastic Laplace mixture of experts regression models and applications

Mixture of Experts(MoE) regression models are widely studied in statistics and machine learning for modeling heterogeneity in data for regression, clustering and classification.Laplace distribution is one of the most important statistical tools to analyze thick and tail data. Laplace Mixture of Linear Experts(LMoLE) regression models are based on the Laplace distribution which is more robust. Similar to modelling variance parameter in a homogeneous population, we propose and study a new novel class of models: heteroscedastic Laplace mixture of experts regression models to analyze the heteroscedastic data coming from a heterogeneous population in this paper. The issues of maximum likelihood estimation are addressed. In particular, Minorization-Maximization(MM) algorithm for estimating the regression parameters is developed. Properties of the estimators of the regression coefficients are evaluated through Monte Carlo simulations. Results from the analysis of two real data sets are presented.     

A rank test based on the moments of order statistics of the modified Makeham distribution

Single moments of order statistics from the modified Makeham distribution (MMD) are derived, an identity about the single moments of order statistics is given, and the specific expected value and variance of the single moments of order statistics from the MMD are calculated. In this study, the order statistic from the MMD was applied to the rank sum test in a two-sample problem. The exact critical values of the designated statistics were evaluated. Simulations were used to investigate the power of these statistics for the two-sided alternative with several population distributions. The powers of the statistics were compared with the Wilcoxon rank sum statistic, the Lepage statistic, the modified Baumgartner statistic, the Savage test and the normal score test. The Edgeworth expansion was used to evaluate the upper tail probability for the preferred statistic, given finite sample sizes.     

MAXIMUM TEST FOR A SEQUENCE OF QUADRATIC FORM STATISTICS ABOUT SCORE TEST IN LOGISTIC REGRESSION MODEL

This article proposes the maximum test for a sequence of quadratic form statistics about score test in logistic regression model which can be applied to genetic and medicine fields. Theoretical properties about the maximum test are derived. Extensive simulation studies are conducted to testify powers robustness of the maximum test compared to other two existed test. We also apply the maximum test to a real dataset about multiple gene variables association analysis.