在非线性回归模型中误差为AR(2)的相关性检验

本文讨论了在非线性回归模型中误差为AR(2)的相关性检验，得到了误差相关性检验的似然比检验统计量、Score检验统计量．对感兴趣参数和多余参数，利用Cox and Reid(1987)提出的正交化方法，给出了修正的似然比检验统计量和Score检验统计量．推广了胡跃清，韦博成(1994)讨论的在非线性回归模型中误差为AR(1)相关性检验的结果．     

基于排序集抽样的非参数推断

主要考虑基于排序集抽样的两样本刻度参数检验，以Mood统计量为核，构造了两样本U统计量，并得出相应的极限分布，在总体分布为均匀分布的情况下，讨论了此检验统计量相对于Mood检验统计量的渐近效率．     

关于拟合优度检验的EDF统计量的若干评注

拟合优度检验是建立统计模型的一个重要手段，很多检验统计量用一个理想样本能达到它们自己的极值，但ＥＤＦ统计量做不到，这无疑会影响检验的势，在本文中，我们将提出某些调整型ＥＤＦ统计量，它们具有这些性质，并改进了ＥＤＦ检验，蒙得卡罗模拟表明，调整型ＥＤＦ统计量在很多场合要必ＥＤＦ具有更高的优势，特别对重尾的备选分布更是这样，我们还考察了检验的形态与它们的极值点之间的关系。     

带季节线性趋势的季节时间序列的单位根检验

本文为检验带季节线性趋势的季节时间序列的单位根，提出了调整季节线性趋势的统计量，导出这些统计量的极限分布，并用Monte Carlo方法比较研究这些统计量的检验势．     

极值分布和威布尔分布异常数据的检验方法

本文对威布尔分布的极值分布异常数据的检验给出了一系列的方法，首先，导入了极值分布下一般Ｄｉｘｏｎ型统计量的精确分布，同时还给出了改进的Ｇ型统计量，及它们的分位点表。最后本文提出了一个新的统计量；Ｆ型统计量，并用Ｍｏｎｔｅ－Ｃａｒｌｏ模拟的方法给出其分位点表，从而首次给出威布尔分布异常值的直接检验方法。本文进一步讨论了这些检验方法的功效，且表明Ｆ型检验是最优的。     

测量误差模型只有一个变点的检验和估计

本文讨论了测量误差模型中参数只有一个变点的检验和估计问题，首先，给出其似然比检验统计量，然后，基于最小信息准则的原理，利用Schwarz信息准则（SIC），在多余参数已知和未知的情况下，分别给出了检验统计量，讨论了利用SIC方法给出的检验统计量的渐近分布，证明了基于似然比方法和SIC方法给出的变点估计是相同的，并且在一定条件下，给出了变点估计的极限分布，运用Monte-Carlo随机模拟的方法，分别给出了以上检验的临界值。     

判别分析中变量的选择—附加信息检验法

本文借用Ｓｈａｎｎｏｎ熵的概念给出了判别模型中附加信息检验原假设的解析形式，在母体服从等方差正态分布的情形，导出了检验的似然比统计量，在母体具有离散指标，服从多项分布的情形，导出了检验的似然比统计量，并给出其极限分布。     

双向分类随机效应套模型中异常值的UMPU检验

本文就平衡的（Balanced）双向分类随机效应套模型，讨论了主效应均值滑动模型的异常值检验问题，并给出了似然比检验统计量．在零假设及备择假设下导出了检验统计量的分布，证明了检验的一致最优无编（UMPU）性．最后对相关问题进行了讨论．     

一类相合的分位点型检验

广义非参数似然比检验统计量是一类很广的统计量,包含了众多重要的检验统计量,如Anderson-Darling(AD)等.利用Rubin的随机经验分布函数替代经验分布函数的方法,得到了广义非参数似然比检验统计量的新版本,构造了新的检验统计量.由于新的检验统计量在给定样本下仍然是随机变量,选择了它的分位点和期望作为检验统计量,分别称之为分位点型检验统计量和期望型检验统计量.在简单假设情况下,证明了分位点型检验统计量和期望型检验统计量在固定备择下的相合性.模拟结果显示,在某些备择下,新的检验的功效明显高于原有的基于经验分布函数的检验的功效.     

两个回归函数相等的Bootstrap检验

两个回归参数相等性检验一直是统计界感兴趣的问题之一．在这篇文章中，四个检验统计量被用于度量两曲线的差异，在原假设下统计量的分布采用向量数据的重复抽样来逼近，并给出了—些模拟结果．     

The mean-variance ratio test—A complement to the coefficient of variation test and the Sharpe ratio test

To circumvent the limitations of the tests for coefficients of variation and Sharpe ratios, we develop the mean-variance ratio statistic for testing the equality of mean-variance ratios, and prove that our proposed statistic is the uniformly most powerful unbiased statistic. In addition, we illustrate the applicability of our proposed test for comparing the performances of stock indices.     

二元极值分布的独立性检验及在沪深股市分析中的应用

提出了二元极值分布的一个独立性检验统计量 T5,导出了它的渐近分布 ,得出了模拟分位点 ,并在小样本情况下 ,与其它已有的统计量进行比较 .结果说明本文给出的统计量 T5具有与似然比检验统计量 T3几乎相同的功效 ,且比其它检验方法有效 .最后对中国沪深两市的股票收盘指数的极值进行了独立性检验 ,认为具有显著的相关性 .     

证券组合有效子集的统计推断

本文在奇异协方差阵下研究了证券组合有效子集的统计推断,得到了有效子集的一些新的判定条件,并导出了相应的检验统计量及其渐近性质,同时通过对有效子集假设检验问题及其检验统计量进行分解,本文还给出了相关检验统计量的一些经济含义.最后,为验证本文结果,我们还给出了一些随机模拟和实证分析的例子.     

至多一个分布变点的非参数统计推断

本文研究了连续分布函数变点的非参数统计推断问题.利用秩统计量和次序统计量,获得了变点的一种估计,不仅论证了点估计的强相合性,而且讨论了假设检验和区间估计.     

Minimax线性估计的影响分析

这里X是n×q列满秩阵,β是q×1未知参数,Y是n×1观察向量,e是n×1随机误差向量。估计β通常采用最小二乘估计(简记为LS估计)。但当设计矩阵X有复共线性存在时,的性能很不好。针对这个问题,近二十年来,特别是近十年来,许多统计学者相继提出了一些新的方法,企图改进LS估计。例如,Stein在1960年提出的压缩估计;Massy于1965年提出的主成分估计;Hoerl和Kennard于1970年提出的岭估计等。这些估计在均方误差的意义下     

关于离散型随机变量次序统计量分布矩阵对称性猜想的探索

本文研究了离散型随机变量次序统计量的分布矩阵的对称性 ,获得了二个定理 .定理 1　服从等概率二点分布或等概率三点分布的离散型随机变量的次序统计量的分布矩阵是对称矩阵 .定理 2　取值有限且等概率的离散型随机变量的次序统计量的分布矩阵具有中心对称性 .     

测量误差模型参数变点的非参数检验

本讨论测量误差参数变点的检测问题,利用秩统计量,给出了模型只有一个变点的检验统计量,运用检验统计量渐近分布的性质,给出了一个计算检验淅近临界值的公式,由此我们可以较为客易计算检验的临界值。     

恰当散度非线性模型变离差的检验

本文研究了恰当散度非线性模型变离差的检验问题.基于似然比统计量和得分统计量,得到变离差的检验.并且用数值例子说明方法是有效的.     

A semiparametric Wald statistic for testing logistic regression models based on case-control data

We propose a semiparametric Wald statistic to test the validity of logistic regression models based on case-control data. The test statistic is constructed using a semiparametric ROC curve estimator and a nonparametric ROC curve estimator. The statistic has an asymptotic chisquared distribution and is an alternative to the Kolmogorov-Smirnov-type statistic proposed by Qin and Zhang in 1997, the chi-squared-type statistic proposed by Zhang in 1999 and the information matrix test statistic proposed by Zhang in 2001. The statistic is easy to compute in the sense that it requires none of the following methods: using a bootstrap method to find its critical values, partitioning the sample data or inverting a high-dimensional matrix. We present some results on simulation and on analysis of two real examples. Moreover, we discuss how to extend our statistic to a family of statistics and how to construct its Kolmogorov-Smirnov counterpart. This work was supported by the 11.5 Natural Scientific Plan (Grant No. 2006BAD09A04) and Nanjing University Start Fund (Grant No. 020822410110)     

PP 型拟合优度检验

摄影寻踪(Projection Pursuit,简称PP)是一种新兴的用来处理高维数据的统计方法,其主要思想是通过极大化某个投影指标(通常是分布函数的泛函)来寻找低维投影,通过对其低维投影数据的研究来发现高维数据的性质.PP 方法自首次提出,已用于处理一些非正态多维数据分析问题,如回归、判别、聚类、密度估计等.