基于Beta分布形状的拟合优度检验

本文指出了拟合优度检验中选用经验频率公式时存在的误区,对顺序统计量失效概率分布进行了偏态和峰态分析,提出了一个基于Beta分布形状特征的经验分布函数,给出了精确值和近似值两种计算方法,在此基础上建立新的极值型检验统计量．利用Monte Carlo方法进行数值模拟,得到0．01、0．05、0．1显著度水平下检验统计量的临界值,并利用常用的分布模型进行检验功效比较,数值模拟结果表明基于分布形状的经验频率公式能更好地反映顺序统计量失效概率分布的集中趋势,证明了本文提出的两种检验统计量在中小样本条件下具有更优的检验功效．     

基于动态因子结构的贝叶斯分位面板协整研究

针对传统面板协整检验在建模过程中易受异常值影响以及其原假设设置的主观选择问题,本文利用动态公共因子刻画面板数据潜在的截面相关结构,提出基于动态因子的截面相关结构的贝叶斯分位面板协整检验,结合各个主要分位数水平下参数的条件后验分布,设计结合卡尔曼滤波的Gibbs抽样算法,进行贝叶斯分位面板协整检验;并进行Monte Carlo仿真实验验证贝叶斯分位面板协整检验的可行性与有效性。同时,采用中国各省金融发展和经济增长的面板数据进行实证研究,结果发现在各主要分位数水平下中国金融发展和经济增长之间具有协整关系。研究结果表明:贝叶斯分位面板协整检验方法避免了传统面板数据协整方法由于原假设设置不同而发生误判的问题,克服了异常值的影响,能够提供全面准确的模型参数估计和协整检验结果。     

基于纵向数据的Poisson-Gamma模型系数的随机性检验

应用随机系数化方法对纵向数据的Poisson-Gamma回归模型进行了研究,采用Laplace展开方法得到了关于响应变量的近似似然函数并得到模型系数的随机性检验的Score统计量.通过Monte Carlo模拟分析了检验的渐近功效.最后把得到的检验统计量应用到具体的数值实例分析中说明其有效性.     

Hausman检验统计量有效性的Monte Carlo模拟分析

在大样本下,Hausman检验统计量渐进地服从卡方分布,但在有限样本分析中却经常出现负值。对此,文献中并未形成一致看法。本文采用Monte Carlo模拟,从小样本偏误、内生性偏误、序列相关、非平行面板等角度,研究了Hausman检验统计量的小样本性质。结果表明,内生性问题(解释变量与个体效应相关)是导致Hausman统计量出现负值的主要原因。进一步分析表明,修正后的Hausman统计量,以及过度识别检验方法能够很好地克服上述缺陷,且具有很好的有限样本性质。     

具有ARIMA（0，1，0）对称误差的非线性模型的统计诊断

本文讨论具有ARIMA(0,1,0)对称误差的非线性模型的异方差检验和局部影响分析.对称误差分布族包括正态,t,power exponential,logistics Ⅰ,Ⅱ,污染正态等所有对称连续分布.文章首先导出了关于白噪声异方差检验的score统计量及其调整形式,然后对模型进行了局部影响分析,得到了基于似然函数扰动和反应变量扰动的诊断统计量.最后,利用实际数据说明了检验方法的应用,并用Monte Carlo模拟方法研究了异方差检验统计量的检验功效.     

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.     

含内生结构突变的STR模型检验及应用研究

文章研究了含内生结构突变的平滑转换(STR)模型的检验问题,依据特殊一一般一特殊的建模原则给出了检验过程及对应的检验统计量SupLM,Monte Carlo模拟表明各检验统计量的检验功效较高。文章提出的建模过程和检验统计量能检测出非线性和结构突变同时或者单独一种存在时的情形。结构突变或者非线性特征越明显,相应的检验统计量功效越高,相对而言,针对结构突变的检验功效高于非线性检验功效。最后,应用含结构突变的ESTR模型探讨了人民币对美元汇率的收益变化特征,发现新汇改以来汇率收益序列不单有结构突变,也存在非线性。     

关于参数型copula函数的拟合检验

在金融和保险中,copula函数是一种构造多元相关分布函数的有力工具．然而,怎样选择一个适当的copula函数用于拟合数据,并没有找到统一的方法．因此,基于copula函数的经验分布,我们提出了一种用于检验具有某种特定参数结构的copula函数拟合数据优良性的方法,并得到了此检验的渐近性质．由于该检验统计量的极限分布依赖未知参数,我们采用非参数蒙特卡罗方法确定临界值．我们做了一个简单的模拟来验证本文提出的检验方法的功效．     

广义空间模型的方差齐性检验

研究了广义空间模型的方差齐性检验问题,在异方差情形下导出了Score检验统计量的具体形式和近似分布.分别应用于混合空间自回归模型和空间误差模型,给出了相应的检验统计量和渐近分布.并利用Monte Carlo模拟对检验统计量的性质进行分析.最后,通过中国能源利用效率的区域特征数据证明了方法的有效性.     

基于Bootstrap方法对简单随机序问题的多总体检验

简单随机序是在概率分布意义下比较随机变量的大小,被用于许多领域.两总体简单随机序的检验问题已经有了很多的研究成果,但对多总体情况下简单随机序检验问题的研究却很少.文章考虑多总体情况下简单随机序的检验问题,利用分布函数的保序回归估计构造出检验统计量,给出了检验统计量在原假设下的渐近分布;同时,利用Bootstrap方法给出了计算临界值和p值的方法,并通过Monte Carlo模拟来说明文章所提出方法的可实现性和优良表现.