平行数据模型中异方差问题的处理——截面内误差项U_(it)～ARCH(q)

本文在平行数据模型方差成分的框架下,考虑了横截面内误差项Uit～ARCH(q)的异方差处理方法.给出模型设定的假设检验和参数的一致估计,并利用Monte-Carlo方法验证了本文估计方法优于普通最小二乘估计方法.     

抽样调查(Ⅲ) 第二讲 简单随机抽样(续)

2)方差的估计 在实际问题中,由于总体的方差S2是未知的,因此(2.9)及(2.10)式还不能直接应用.换言之,估计量的方差还需要估计·可以证明,对有限总体,样本方差也是总体方差的无偏估计,即 E(S2)=S2(2.14)例如在例2.1中,总体方差S2=36/7=5.1429,而根据表2.1,根据全部可能样本的样本方差计算E(S2)=144/28=5.1429.两者相等.根据这个结果,我们有 定理2.3对于简单随机抽样 是V(y)的无偏估计. 例2.2某市区共有4328户.为调查该区的居民的收入情况,用简单随机抽样方法从中抽取30户,登门登记了每户的月收入yi ,具体数字如表2,2所示. 这里 N= 4328,n=…     

AR(p)模型中的变点分析

本文分别用极大似然法和Bayes方法研究了AR(p)模型中的变点问题.在数据矩阵不一定满秩的条件下,利用Moore-Penrose广义逆给出了模型参数的极大似然估计的统一表达式和变点位置的估计式.在假定自回归系数的先验分布服从多元正态,方差服从逆Γ分布的条件下,用Bayes方法给出了变点位置估计的显示表达式以及模型参数的Bayes估计.     

-混合样本下含附加信息时条件分位数估计的渐近性质(英文)

本文利用经验似然方法构造了含附加信息时条件分位数的一类估计,并证明了估计的渐近正态性且渐近方差不大于通常核估计的渐近方差.     

非参数回归中方差变点的小波检测(英文)

本文主要研究了非参数回归模型中方差函数的变点, 利用小波方法构造的检验量来检测方差中的变点,建立了这些检验量的渐近分布, 并且运用这些检验量构造了方差变点的位置和跳跃幅度的估计, 给出了这些估计的渐近性质, 并进一步通过随机模拟验证了本文方法在有限样本下的性质.     

黄金价格(AU99.99)的季节性风险预测

选用了经典的AR(1)-EGARCH(1,1)模型和极大似然估计来获得黄金收益率的条件均值和条件方差的估计.接着,利用极值理论模拟了标准独立化以后的残差序列.最终预测了每个季度的VaR和CVaR,进而研究了黄金价格的季节性风险.     

基于M估计的指数相关非线性混合效应模型的齐性检验(英文)

方差和相关系数的齐性是纵向数据分析中常用假设之一,然而,这些假设未必合适.本文主要研究的是具有指数相关结构的纵向数据非线性混合效应模型,首先将Huber函数引入模型的对数似然函数中,利用Fisher得分迭代法得到模型参数的稳健估计(M估计),然后基于M估计对模型的方差和相关系数的齐性进行了Score检验,并给出了检验统计量的Monte-Carlo模拟结果.最后用一个实例说明了本文的方法.     

基于样本广义方差的改进|S|~(1/2)控制图

以常用的广义方差为基础,利用矩估计的方法,从一组样本推广到多组独立样本,得出具有无偏控制限的改进|S|~(1/2)控制图,并对比说明了矩估计方法的简洁性和准确性.与标准|S|~(1/2)控制图相比,其具有更小的平均运行链长(ARL).结合实例,采用数值模拟的方法说明该控制图对过程中方差的漂移有较强的检测能力.     

一类线性混合模型的谱分解估计

谱分解估计(SDE)是新近提出的关于线性混合模型参数的一种新的估计方法,此方法的一个突出特点是同时给出固定效应参数和方差分量的显式解估计．本文就含两个方差分量的线性混合模型,对谱分解估计的性质做了进一步的研究,获得了方差分量的SDE和方差分析估计相等的充分必要条件,证明了在一定的条件下方差分量的SDE为一致最小方差无偏估计．     

部分线性混合效应模型中方差分量的稳健估计

部分线性混合效应模型中方差分量是我们感兴趣的参数, 文献中已经给出许多估计方法. 但是其中很多方法都可以归结为广义估计方程方法(GEE), 如: 最大似然估计(MLE), 约束最大似然估计(REMLE)等, 而GEE方法对异常点很敏感. 本文提出一组关于部分线性混合效应模型(PLMM)中均值和方差分量的稳健估计方程, 对均值和方差分量同时进行稳健估计; 并进行了随机模拟考察所提出稳健估计的有效性, 最后通过两个实例, 说明了所提方法的可行性.     

随机权函数半参数回归模型的导方差统计分析

在回归分析中,观测值的方差齐性只是一个基本的假定,在参数、半参数和非参数回归模型中关于异方差检验和估计问题已有很多研究.本文在冉昊和朱忠义(2004)讨论的半参数回归模型的基础上,用随机参数方法,讨论随机权函数半参数回归模型中的异方差检验问题,得到了方差齐性检验Score统计量,同时,当半参数模型存在异方差时,本文还给出了估计方差的方法.     

异方差情形下平均处理效应的半参数估计

本文主要探讨在扰动项分布对称的假定下,平均处理效应的半参数估计。本文考虑了一种非常普遍形式的异方差,使得我们在估计平均处理效应时,大大扩展了对异方差的处理范围。本文给出了N~(1/2)收敛速度的一致估计量及其渐进正态性质。本文遵循参数框架下常见的两步估计方法,这种方法广泛地运用于半参数的研究中。一个简单的Monte Carlo模拟将用来对比说明本文中估计方法的实际意义。     

一个半参数回归模型中Cramér渐近有效性的充要条件(英语)

本文考虑模型Y_i=X~Tβ g(T) ε,这里(X~T,T,Y,)是k 2-维随机向量,g是未知光滑函数,ε是均值为零方差有限的随机误差。本文证明了,的最小二乘估计是Cramer渐近有效的充要条件是误差6服从正态分布N(0,口’)。     

数据缺失情形线性回归模型中误差方差的经验似然估计

在随机缺失(MAR)机制下利用经验似然方法构造了线性回归模型中误差方差的估计.并在一定条件下,证明了该估计的渐近正态性,由此得出当误差的分布不对称时,该估计的渐近方差比常用估计的渐近方差小.     

多元线性混合模型方差分量矩阵的非负估计

本文研究了带有两个方差分量矩阵的多元线性混合模型方差分量矩阵的估计问题.对于平衡模型,给出了基于谱分解估计的一个方差分量矩阵的非负估计类.对于非平衡模型,给出了方差分量矩阵的广义谱分解估计类,讨论了与ANOVA估计等价的充要条件.同时,在广义谱分解估计的基础上给出了一种非负估计类,并讨论了其优良性.当具有较小二次风险的非负估计不存在时,从估计为非负的概率的角度考虑,将Kelly和Mathew(1993)提出的构造具有更小取负值概率的估计类的方法推广到本文的多元模型下,给出了较谱分解估计相比有更小取负值概率和更小风险的估计类.最后,模拟研究和实例分析表明文中理论结果有很好的表现.     

统计线性模型(V)

四、估计问题(续)最小二乘估计的性质及对σ2的估计 上一讲本节中谈了两个问题: 1°最小二乘估计的性质, 2°对 σ2的估计.其中1°是一个纯理论的结果,即最小二乘估计在全体线性无偏估计中是最优的──它的方差最小.这也就是我们为什么用最小二乘估计量来估计的根据.在2°中,我们找到了σ2的一个无偏估计Q(β)/(N-r);为方便计,记为 2.其中的β 是正规方程( 4—3)的任一组解,而r是所谓矩阵X的秩.对于矩阵的秩.我们没有进行一般的讨论,只就本讲座的范围,给出了r与矩阵X的列数m间的关系,这就是(4—6). σ2体现了模型中误差的大小,因此找出σ2…     

协方差矩阵最佳仿射同变估计的改进

§1.引言 Stein(1964)证明了正态分布的方差的最佳仿射同变估计的不容许性.Shorrock和Zidek(1976)给出了正态分布的广义方差的最佳仿射同变估计的一个改进估计.本文推广了他们的结果,对正态分布的协方差矩阵的最佳仿射同变估计进行了改进.     

多状态寿命表逗留时间期望长度的渐近理论的一个注记(英语)

本文运用计数过程技术,给出了多状态寿命表的平均逗留时间的一个估计及其方差估计,讨论了这些估计量的均匀相合性与弱收敛性。     

非线性异方差分层模型及其参数估计

提出了一类非线性异方差分层模型,研究了其固定效应和方差分量的极大似然估计问题.主要采用了期望条件最大化算法(Expectation Conditional Maximization Algorithm)和蒙特卡罗积分法(Monte-Carlo integration method).对于随机效应和模型误差的方差-协方差矩阵,本文既考虑了一般的非结构化形式,也考虑了诸如自回归(AR(1))和复合对称等的结构化形式.仿真模拟的结果显示本文提出的模型及参数估计方法表现良好.此外,本文还将该类模型和估计方法应用到中国官方经济数据上,得到了一些有意义的结论.     

线性模型误差方差的经验似然估计（英文）

本文应用经验似然方法得到了线性模型误差方差的一类新的估计,证明了估计的渐近分布为正态分布且渐近方差不超过常用的误差方差估计的渐近方差,同时给出了渐近方差的显式表达.