��ָ���λ���ع�ı���ѡ��

多元非参数分位数回归常常是难于估计的, 为了降低维数同时保持非参数估计的灵活性, 人们常常用单指标的方法模拟响应变量的条件分位数. 本文主要研究单指标分位数回归的变量选择. 以最小化平均损失估计为基础, 我们通过最小化具有SCAD惩罚项的平均损失进行变量选择和参数估计. 在正则条件下, 得到了单指标分位数回归SCAD变量选择的Oracle性质, 给出了SCAD变量选择的计算方法, 并通过模拟研究说明了本文所提方法变量选择的样本性质.     

带线性时间趋势的分位数回归协整模型检验

协整检验是进行回归分析的首要过程,是避免伪回归的主要方法.然而,大多数协整检验技术都是建立在非稳健的普通最小二乘框架下.这对于普遍具有尖峰厚尾的时间序列来说,可能会导致统计检验的失效.为了解决这个困难,本文提出带线性时间趋势模型的分位数回归协整检验方法.不同于传统的静态协整分析,我们构建了一个分位数残差累积和(QCS)统计量来检验不同分位点上变量间的动态协整关系.应用分位数回归和泛函极限理论,推导出了统计量的渐近分布,并提出了修正的QCS统计量,拓展了其在序列相关以及长期内生性模型中的应用.模拟给出了统计量的临界值并证明了本文的协整检验方法具有良好的有限样本性质.最后,利用所提方法,检验了可支配收入与实际消费之间的动态协整关系,发现随着分位点的增大,它们之间的协整关系越强.     

无交叉多指标分位数回归模型中的估计与推断

在过去的30年中分位数回归模型的研究已十分深入.然而在实际的应用场景中,由传统估计方法所得到的分位数回归估计量,经常会在不同分位数水平上出现互相交叉的现象,这给分位数回归模型的实际应用造成了解释和预测上的困难.为解决这个问题,本文提出一种带单调约束的半参数多指标分位数回归模型的研究框架.首先将半参数多指标分位数回归模型与充分降维模型相结合,并利用两者间的联系获得指标估计量的相合估计.之后使用张量积样条方法拟合半参数模型在单调约束条件下的非参数结构.通过数值模拟的方式比较所提方法与现有可行方案所得结果在平均预测误差上的差异,实验结果和实际案例的结果都验证了本文所提出模型的可行性.     

单指标回归模型的若干检验问题

在参数和非参数回归模型中,关于异方差检验、一阶自相关存在性检验以及附加变量检验问题都有很多的研究.文中利用P-样条方法,研究了单指标模型的异方差、一阶自相关存在性及附加变量检验问题,分别得到了三种情况下的Score检验统计量,最后给出计算机模拟和实际例子,证实了文中所提出的方法的可行性和有效性,推广和发展了先前的工作.     

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.     

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.     

具有ARIMA(0,1,0)误差的非线性模型的异方差检验

本文讨论随机误差是 ARIMA( 0 ,1 ,0 )序列的非线性回归模型的异方差检验问题 .首先导出了检验的 score统计量 ,然后利用参数的正交变换 ,得到了调整的 score统计量 .最后 ,利用氯化物数据 ( Bates &Watts,1 988)说明了检验方法的应用     

���嵥ָ����ģ�͵����ЧӦ�����Լ���

在广义参数和非参数模型中, 虽然不存在异方差检验问题, 但是方差成分的检验问题仍是研究者们关心的对象. 本文利用P-样条的方法, 研究了广义单指标混合模型的方差成分检验问题. 得到了检验广义单指标混合模型是否存在由随机效应引起的偏大离差问题的Score检验统计量, 最后给出计算机模拟的例子, 证实了文中所提出方法的可行性和有效性, 推广和发展了先前的研究工作     

部分函数型线性空间自回归模型的假设检验

本文提出了部分函数型线性空间自回归模型的空间效应以及参数效应的假设检验问题.首先利用函数型主成分分析方法估计斜率函数,利用广义矩估计方法估计参数.然后利用得到的相合估计,在原假设和备择假设下,构造了基于残差平方和的检验统计量,同时给出了此检验统计量的渐近性质.模拟结果表明在有限样本下,检验统计量具有良好表现.最后将部分函数型线性空间自回归模型的检验应用到一个关于经济增长的数据案例中,说明所提出的检验统计量的应用表现.     

半参数平滑转换分位数自回归模型及应用

已有针对平滑转换自回归模型(STAR)的研究多是将转换函数设定为Logistic函数或指数函数形式,并在均值回归框架下获得模型的估计、检验及预测结果.文章基于重心权有理插值和分位数回归方法,构建一类新的半参数平滑转换分位数自回归模型,其主要特点表现在:第一,基于重心权有理插值方法构造的平滑转换函数,形式更加灵活自由,有效减少了模型误设的风险.第二,在分位数回归框架下,利用遗传算法获得新模型在不同分位点处的平滑转换自回归系数估计,比单纯的均值回归得到的信息更为丰富.数值模拟结果显示,新模型的平滑转换自回归系数估计在无偏性、有效性和一致性方面均具有较好表现.最后,将新模型应用于上证综指日收益率的动态趋势及预测研究,细致揭示了收益率序列在不同阶段、不同分位点处的非线性和异质性变化特征.     

m-目依误差下部分线性模型的经验似然统计推断

本文中,我们针对误差为m-相依序列的固定设计的部分线性模型,运用经验似然方法和分组经验似然方法,构造了回归参数的对数经验似然比检验统计量,并且证明了分组经验似然比检验统计量在参数取真值时是渐近地服从卡方分布的.模拟计算表明分组经验似然方法的有效性.     

部分线性模型序列相关的经验似然比检验

本文研究了部分线性回归模型中误差的序列相关性的检验问题,用经验似然的方法构造检验统计量,得到了零假设下检验统计量的渐近分布,我们的检验方法不但可以检验一阶序列相关,也可以检验高阶序列相关,数值模拟表明检验方法有好的检验功效．     

部分线性单指标模型的M-估计

单指标模型是一类非常重要的半参数回归模型,不仅可以降低数据维数,克服多元数据中的"维数祸根"问题,而且能抓住高维数据的主要特征.文章研究部分线性单指标模型的M-估计,利用B-样条近似技术逼近非参数函数,提出了获得模型中未知参数M-估计的方法,在一些正则条件下,研究了回归函数以及回归系数的M-估计的渐近性质.随机模拟结果表明了文中M-估计具有稳健性.     

面板数据交互固定效应模型的方差分量检验

研究了面板数据交互固定效应模型中方差分量的检验问题.首先依据模型中误差项的估计构造辅助回归模型,然后根据该辅助回归构造检验统计量,对模型中的异方差性进行检验.进一步,通过构造不同的辅助回归模型和检验统计量可以判别异方差的来源.在一定正则条件下,得到了检验统计量在原假设和备择假设下的渐近分布,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,说明所提检验方法是有效的.     

线性模型中自相关的经验似然比检验

研究线性回归模型中的自相关检验问题,用经验似然的方法构造检验统计量,得到了零假设下检验统计量的渐近分布,我们的检验方法不但可以检验一阶自相关,也可以检验高阶自相关,数值模拟表明检验方法具有良好的检验功效.     

部分线性单指标模型的复合分位数回归及变量选择

本文提出复合最小化平均分位数损失估计方法 (composite minimizing average check loss estimation,CMACLE)用于实现部分线性单指标模型(partial linear single-index models,PLSIM)的复合分位数回归(composite quantile regression,CQR).首先基于高维核函数构造参数部分的复合分位数回归意义下的相合估计,在此相合估计的基础上,通过采用指标核函数进一步得到参数和非参数函数的可达最优收敛速度的估计,并建立所得估计的渐近正态性,比较PLSIM的CQR估计和最小平均方差估计(MAVE)的相对渐近效率.进一步地,本文提出CQR框架下PLSIM的变量选择方法,证明所提变量选择方法的oracle性质.随机模拟和实例分析验证了所提方法在有限样本时的表现,证实了所提方法的优良性.     

部分线性模型非参数分量的线性关系检验

对于部分线性模型中非参数部分是否为某一特定阶数(记为p)的多项式函数的检验问题,本文基于非参数函数在各点的p阶导函数估计值的样本方差构造了一个简单的检验统计量.给出了计算检验p-值的三阶矩χ2逼近方法.最后通过数值模拟验证了我们所提检验方法的有效性.     

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.     

删失分位数回归模型中的变点检测问题

本文针对固定删失分位数回归模型中的变点问题提出一种新的检测方法;基于观测值的有效子集信息和分位数目标函数的次梯度提出检验统计量.在原假设下,本文得到检验统计量的渐近性质,并且通过模拟方法得到渐近分布的临界值.由于本文提出的方法仅需要在原假设下拟合模型,所以其在计算上更加有效.此外,相比较于传统的Powell方法,数值模拟研究发现本文提出的方法在有限样本的条件下有相近功效及更高的计算效率.最后,本文分析了一组美国居民收入数据集来展示所提方法的实际应用表现.     

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.