面板数据交互固定效应模型的协方差矩阵检验

本文研究了面板数据交互固定效应模型中协方差矩阵的检验问题.首先依据模型协方差矩阵迹的估计构造检验统计量,检验协方差矩阵是否为单位矩阵,或是单位矩阵的常数倍.然后在一定正则条件下,证明了检验统计量的渐近性质,并说明所提出的检验方法不依赖于误差分布.最后,通过模拟研究对本文的检验方法进行评价,说明所提检验方法在高维面板数据下仍然有效.     

一类多元重复测量模型参数的似然比检验及其功效分析

在多元重复测量试验模型下,当受试对象观测矩阵的协方差矩阵∑为等方差等协方差结构时,给出了参数的似然比检验统计量.给出该检验在原假设下的渐近零分布和在备择假设下的渐近非零分布,并就检验的功效进行了分析.     

高维数据空间的协方差矩阵迹的比率相合性

在处理高维数据的检验和分类等问题时,涉及到协方差矩阵的估计.而在高维数据领域,协方差矩阵估计的精度将对诸如检验和分类等问题起到非常重要的影响.主要考虑多样本条件下协方差矩阵的比率相合性问题,证明了两样本和三样本情况下的高维数据协方差矩阵比率相合性.     

Bartlett分解与多元正态总体均值的广义推断

对多个正态总体均值的统计推断是一个古老而令人感兴趣的问题.本文利用样本协方差矩阵的Bartlett分解和广义p-值的概念给出一些关于均值的精确检验.模拟显示这些检验比已有的检验有更高的功效.同时,还根据协方差矩阵的Bartlett分解和样本均值向量,得到一个分布和未知参数无关的统计量,用它可以对多个正态总体共同均值做精确检验.模拟显示,这些检验犯第一错误的概率小于显著性水平,而且有更高的检验功效.     

重复测量试验模型参数似然比检验及其功效分析

本文给出了在重复测量试验模型下, 当受试对象观测向量的协方差矩阵$\Sigma$为复合对称阵时,参数的似然比检验统计量; 给出该检验在原假设下的渐近零分布和在备择假设下的渐近非零分布;并就其功效进行了分析.     

多元随机变量的某些问题

本文讨论多元随机变量之期望向量、协方差矩阵与边际分布、条件分布的期望向量、协方差矩阵之间的关系.还讨论了多元随机变量服从多元正态分布的某个充分条件.     

线性模型中F-检验的稳健性

本文讨论了一般线性模型中关于均值参数β的线性假设基于广义最小二乘估计的F-检验统计量的稳健性问题.主要研究了当误差的协方差矩阵含有参数时,设计阵可以列降秩情况下的F-检验统计量的稳健性,得到了F(V(θ))为该假设下F-检验统计量的误差协方差矩阵的最大类.并讨论了分块线性模型中,关于分块参数的线性假设的F-检验统计量的稳健性.     

可分图精度矩阵的精确分布函数

本文给出了从可分图协方差矩阵的分布密度函数确定图精度矩阵分布密度函数的一般方法，得到了可分的Gaussian图模型中精度矩阵极大似然估计的分布密度函数表达式．当图协方差矩阵的分布密度分别服从超逆Wishart分布、超逆Г分布时，也得到了图精度矩阵分布密度函数的解析表达式．     

协方差矩阵的齐性检验

基于ＰＰ技术、Ｂｏｏｔｓｔｒａｐ方法和数论方法,对于ｋ个总体协方差矩阵相等的检验,给出了ＰＰ型检验统计量,并讨论了它的渐近分布和Ｂｏｏｔｓｔｒａｐ逼近,最后给出了一些实际模拟结果。     

有缺失数据的正态母体参数的后验分布及其抽样算法

在缺失数据机制是可忽略的、先验分布是逆矩阵Γ分布的假设下,利用矩阵的cholesky分解和变量替换方法,本文导出了有单调缺失数据结构的正态分布参数的后验分布形式.进-步用后验分布的组成特点,构造了单调缺失数据结构的正态分布的协方差矩阵和均值后验分布的抽样算法.     

广义矩阵分布下多元回归模型的贝叶斯推断

考虑具有奇异矩阵椭球等高分布误差的多元线性回归模型的贝叶斯统计推断,在非信息先验下得到了系数矩阵关于Hausdorff测度的后验边缘分布和未来观察值的预测分布,并得到了一类特殊奇异矩阵椭球等高分布下误差协方差矩阵的后验边缘分布.对于具有奇异矩阵正态分布误差的多元线性回归模型,在广义正态-逆Wishart共轭先验下得到了类似的后验边缘分布和预测分布结果.在上述两种先验分布下,回归系数矩阵的后验边缘分布和预测分布是双奇异矩阵t分布,这种分布具有关于Hausdorff测度的精确密度.结果表明,在非信息先验下,回归系数矩阵的后验边缘分布和未来观察值的预测分布在奇异矩阵椭球等高分布类中具有稳健性.     

双样本协方差矩阵和均值向量齐性检验的研究及其应用

物证检验问题可以转化为双样本均值向量的检验和协方差矩阵的检验之统计理论问题 .对于检验统计量 T2、λ3,虽然 Hotelling对均值向量的检验给出了具有许多优良性质的 T2统计量 ,但它使用的前提条件是现场和嫌疑人的样本量必须同时大于特征数 ,这在物证检验中很难满足 ,本文的拓宽了使用条件 ,使其在物证检验中能够广泛使用 ;本文采用了统计模拟的方法构造了检验均值向量和协方差阵同时相等的统计量λ4 的上 1 0 0α%分位数表 ,这就为物证检验提供了新工具 ,将对于揭露和打击犯罪、保障国家的安全与社会的稳定具有重大的社会效益 .最后给出了应用实例 .     

增长曲线模型（RRS）的Bayes影响分析

本文讨论具有Rao简单协方差结构(RSS)的增长曲线模型中未知参数矩阵的Bayes影响分析问题,在无信息先验分布假设下,K-L距离被用来评估指定响应阵对参数矩阵的后验分布的影响程度。     

基于网络结构的高维协方差矩阵估计

本文在Lan等~([1])利用网络结构对连续变量协方差矩阵进行估计的研究基础上进行改进和扩展,给出一种基于网络结构的高维协方差矩阵估计方法,并允许响应变量异方差性存在.该方法将高维协方差矩阵的估计问题转化为关于网络结构的低维线性回归的参数估计问题,从而极大减少了计算量.在有限样本甚至n=1的情况下,该估计方法仍然适用,且估计效果会随着矩阵维数的增大而提高.此外,本文给出一种利用协方差矩阵识别网络中关键节点的方法,该方法能同时兼顾节点自身的贡献和节点对其他节点的影响程度,因此十分适用于学术合作网络.     

增长曲线模型（一般协方差结构）的Bayes影响分析

本文讨论具有一般协方差结构的增长曲线模型中未知参数矩阵的Ｂａｙｅｓ影响分析问题．在无信息先验分布假设下,Ｋ－Ｌ距离被用来评估指定响应阵对参数矩阵的后验分布的影响程度．     

具有量化特征的物证检验中的统计理论研究及其应用

具有量化特征的物证检验问题可以转化为双样本均值向量和协方差矩阵同时检验的统计理论问题。文献〔1〕、〔2〕给出了该问题的统计量λ4,但至今无人求出其分布,更谈不上应用。本文采用了统计模拟的方法给出λ4的经验分布,由此计算出λ4的上100α%分位数表,并给出了相应的误差表和应用软件。这样,为物证检验提供了新工具,具有重大的社会效益。最后给出了应用实例。     

测量误差对单位根检验的影响

本文推导了加性平稳测量误差下单位根检验中有截距和无截距情形下T(p-1)与τ两种统计量的极限分布。理论分析和蒙特卡罗实验均表明,单位根检验结果易受到测量误差的影响。测量误差将导致统计量分布向左偏移,从而导致检验水平的扭曲和检验功效的增加。左偏程度受测量误差方差及其一阶协方差的相对大小控制,而与测量误差的均值大小和概率分布无关。测量误差方差增大,左偏更严重;正的一阶协方差可以减少和抵消统计量分布的向左偏离,而负的一阶协方差将加剧左偏的程度;一阶协方差接近于方差时,左偏程度很小。测量误差的方差相对较小时,其对单位根检验的影响可以忽略。     

基于Copula的VsR度量与事后检验

估计VaR的传统方法有三种:协方差矩阵法、历史模拟法和蒙特仁洛模拟法。通常,文献中认为刚蒙特卡洛模拟法度量VaR有很多方面的优点。但是,本文通过实证检验发现,使用传统蒙特卡洛模拟法估计的VaR偏小,事后检验效果很不理想。本文引入Copula函数来改进传统的蒙特卡洛模拟法。Copula函数能将单个边际分布和多元联合分布联系起来,能处理非正态的边际分布,并且它度量的相关性不再局限于线性相关性。实证检验表明,基于Copula的蒙特卡罗模拟法可以更加准确地度量资产组合的VaR。     

两个半相依回归方程中的Bayes和经验Bayes迭代估计

对由两个不相关的回归方程组成的系统(y1为m维向量,y2为n维向量,m≠n),运用协方差改进技巧,提出回归系数的参数型Bayes和经验Bayes迭代估计序列.证明了Bayes迭代估计的协方差矩阵序列的单调收敛性和Bayes迭代估计序列的一致性.当误差的协方差矩阵未知时,在均方误差准则(MSE)下,证明了经验Bayes迭代估计相对于单个方程的Bayes估计的优越性.这些结果进一步表明了协方差改进方法的有效性.     

纵向数据的有效秩推断基于修正的Cholesky分解

本文基于修正的Cholesky分解提出新的方法估计纵向秩回归的组内协方差矩阵,进而提出新的无偏估计函数改善不平衡纵向数据的估计效率.在一些正则条件下,建立了所提估计的渐近正态性.进一步,提出稳健的秩得分检验统计量对回归系数做假设检验.模拟研究和实证分析表明所提方法能够获得高度有效的估计以及所提检验方法比存在的方法更好.