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.     

结构向量自回归时间序列的链图模型识别方法

本文研究了结构向量自回归时间序列的链图模型识别方法.利用局部密度估计法以及Bootstrap方法,给出了时间序列链图模型的概念以及模型结构识别方法.模拟结果显示本方法能有效地识别结构向量自回归模型变量问的相依关系.     

时变自回归模型系数的估计及预测

本文对一般时变自回归模型(TVAR)的时变系数提出一种估计方法,即建立一个关于时变系数的向量自回归时间序列模型,利用最小二乘方法计算其系数矩阵,在此基础上预测时变系数,从而得到时变自回归序列的点预测,另外给出了点预测和区间预测的方法.     

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.     

检验n和T都很大的固定效应动态面板模型的条件异方差性

研究了动态面板数据模型的条件异方差性检验问题.对于n和T都很大的固定效应动态面板数据模型,通过残差的一阶差分的平方序列,建立一个人工自回归模型,并基于该人工自回归模型系数的最小二乘估计构造检验统计量,检验误差序列的条件异方差性.研究表明在一定的假设条件下,得到的检验渐近服从卡方分布,计算简单方便,通过一些模拟试验研究了检验的小样本性质.模拟研究表明该检验表现很好.     

基于EM算法的混合自回归滑动平均模型的参数估计

研究了一类用于时间序列建模的混合自回归滑动平均模型.该模型是由m个ARMA分量经过混合得到的,给出了混合自回归滑动平均模型参数估计的期望极大化(EM)算法,从而得到了混合系数和分量模型的参数,通过仿真说明了其有效性.     

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.     

参数单指标分位数自回归模型的诊断检验

本文研究参数单指标时间序列分位数自回归模型有效性的检验问题.当分位数回归变量的维数较大时,现有的检验方法将面临"维数灾难"问题.为了解决这个问题,本文基于残差经验过程,利用降维思想构造统计量,它有效地适应于参数单指标时间序列分位数自回归模型.本文提出Khmaladze鞅转换方法来替代经验过程,并构造检验统计量,证明所构造的检验统计量能够渐近收敛到分布自由的标准Brown运动.模拟研究和实际数据分析的结果表明,本文所提方法在参数单指标分位数自回归模型的检验中优于已有的检验方法.     

带相依辅助信息的分位数自回归模型的经验似然估计

分位数自回归模型作为一类常用的变系数时间序列模型,在理论研究和实际问题中都有广泛的应用.考虑到这类模型具有自回归的结构属性,数据采集过程中产生的额外信息,以相依辅助信息函数的形式被引入到模型系数的估计中来.该文应用经验似然方法得到了模型系数的估计量,得到了模型系数的估计量,并论证了其渐近正态性.基于渐近正态性的理论结果,进一步讨论了模型系数线性约束性问题的Wald检验统计量的渐近性质.数值模拟和实例数据分析的结果均表明,利用经验似然估计处理带相依辅助信息函数的方法较传统的分位数回归估计更有效.因而,一般常系数线性分位数回归模型在独立假设下的结果,被推广至具有相依结构的一类变系数模型中去.     

非线性结构向量自回归因果图的广义似然比辨识方法

利用图模型方法研究非线性结构向量自回归模型的因果性问题.构建了非线性结构向量自回归因果图模型,提出图模型因果性的广义似然比辨识方法.构造同期因果关系和滞后因果关系的广义似然比统计量,使用bootstrap方法来确定检验统计量的原分布,模拟研究论述了方法的有效性.     

累积Logistic回归模型结构变点的序贯检验

分类时间序列在生物医学、社会学和遗传学等领域有着广泛的应用,累积Logistic回归模型是分类时间序列建模的一类重要模型.本文基于偏似然得分过程(Partial likelihood score process)提出一种变点序贯检验方法,监测累积Logistic回归模型的结构是否发生变化.原假设下推导检验统计量的极限分...     

周期相关时间序列与周期自回归模型

介绍了周期相关时间序列和周期自回归模型,并研究了周期自回归时间序列的稳定性及周期性,得到了它为周期相关时间序列的一个充要条件,推广了文献[1]的结论.     

带有随机设计的非参数回归模型的异方差小波检验

该文讨论了带有随机设计的非参数回归模型的异方差小波检验. 首先给出了回归模型的条件方差函数的经验小波系数, 然后证明了它们是渐近独立和正态的. 基于 Fan (1996) 的方法, 构造了异方差检验统计量.最后通过数值模拟,作者检验了该文所提出的方法的有效性.模拟结果表明该文所提出的检验方法在水平和功效方面表现良好.     

基于时间序列分析方法的伊犁州GDP的预测研究

基于时间序列理论,以伊犁州1978年至2014年来生产总值为基础数据,利用Eviewes8.0软件对数据进行处理分析,并对模型进行显著性检验,综合各种条件确定最终时间序列回归模型,对伊犁州未来三年的生产总值做出预测,为伊犁州党委、政府制定相关经济政策和发展战略提供科学依据.     

上海市PM2.5浓度的分析与预测

针对上海市PM2.5的浓度进行动态分析及预测.通过使用Page检验分析了上海市PM2.5浓度近几年的变化趋势;然后建立时间序列ARIMA模型对PM2.5浓度日数据进行拟合分析与预测.在此基础上通过引入影响PM2.5浓度的其他因素建立带时间序列误差的回归模型以及引入波动率因素建立带波动率方程的模型改进原时间序列ARIMA模型;通过比较样本外预测的效果,结果表明改进后的两个模型其结果均优于已知文献中的ARIMA模型.     

时间序列模型的动态计量分析方法在科研投入效果评价中的应用

运用时间序列模型的动态计量方法对科研投入的效果进行分析.以GDP作为检验科研投入效果的经济指标,对1980-2001年我国科研投入对经济增长的贡献作用进行实证分析,构建了科研投入与GDP的自回归分布滞后(ADL)模型,以此为起点并结合平稳性检验和协整检验建立了动态计量经济学模型的一般形式即误差修正模型(ECM),该模型刻画了科研投入与经济增长二者之间长期稳定的均衡关系.     

Autoregression Model of Time Series with Matrix Cross-Section Data北大核心CSCD

矩阵型截面数据时间序列的优点在于可以同时刻画多个对象的多个属性.本文重点研究了矩阵型截面数据时间序列的自回归模型,给出了该模型的参数估计、模型识别、白噪声检验三个方面的理论结果.最后再利用矩阵型截面数据时间序列自回归模型,对两支银行股的日收益率序列和日成交量变化率序列进行建模分析.     

自协方差非平稳时间序列的时变参数自回归模型

对一簇时间序列明确定义了自协方差非平稳时间序列.对于自协方差非平稳时间序列,提出了用于自协方差非平稳时间序列的3种时变参数自回归（TVPAR）模型：满阶TVPAR模型、非时变阶次TVPAR模型和时变阶次TVPAR模型.并进行了有关的最小赤池信息量准则（AIC）估计.     

带有固定效应且n和T都很大的动态面板模型的诊断检验

研究了动态面板数据模型的诊断检验问题.对于带有固定个体效应且n和T都很大的的动态面板数据模型,通过残差的一阶差分构造了一个人工自回归模型,并基于该自回归模型系数的最小二乘估计构造了一个检验统计量检验模型的充分性.研究表明在一定的假设条件下,该检验渐近服从卡方分布,计算简单方便.模拟实验结果表明该检验表现很好.     

基于SARIMA、GM(1,1)和BP神经网络集成模型的GDP时间序列预测研究

本文深入分析了灰色预测模型、自回归移动平均(ARIMA)模型和BP神经网络模型的预测特性和优劣,并在此基础上建立了由ARIMA、GM(1,1)和BP神经网络集成的时间序列预测模型。针对呈现趋势变动性和周期波动性二重特性的时间序列,首先建立GM(1,1)模型对序列的趋势项进行预测,然后建立基于ARIMA和BP神经网络的组合模型对序列的周期波动项进行预测,最后用乘积模型对二者预测值进行集成。GDP时间序列实证结果表明:集成模型的预测效果显著高于单一模型,从而证实了集成模型用于GDP预测的有效性.