具有随机效应和AR(1)误差的非线性纵向数据模型中组间方差和自相关系数的齐性检验

组间方差和自相关系数的齐性是纵向数据分析的基本假设之一,然而这种假设需要进行统计检验. Zhang \&; Weiss$^{[15]}$ 讨论了线性随机效应模型的组间和组内方差齐性的检验问题;林金官 \&; 韦博成$^{[10]}$ 研究了具有AR(1)误差但没有随机效应的非线性模型的自相关系数的齐性检验.该文研究具有随机效应和AR(1)误差的非线性模型的组间方差和自相关系数的齐性检验问题,构造了几个score检验统计量, 并通过Monte Carlo模拟方法研究了检验统计量的性质.最后利用该文的方法分析一组实际数据和一组模拟数据.     

具有一致相关的纵向数据模型中方差和相关系数的齐性检验

在纵向数据分析中, 模型方差的齐性是一个基本假定, 但是该假定未必正确. 林金官、韦博成^[1]讨论了具有AR(1)误差的非线性纵向数据模型中方差和相关系数的齐性检验. 本文对具有一致相关协方差结构的纵向数据模型, 研究了方差齐性和相关系数齐性的检验, 得到了检验的score统计量, 并应用于葡萄糖数据. 最后, 本文还给出了模拟结果.     

非线性纵向数据模型中方差和自相关系数的齐性检验

刻画纵向数据的协方差结构有三个可能因素：随机效应、序列相关和随机误差．在纵向数据分析中，模型方差的齐性是一个基本假定．但是，该假设未必正确．Zhang和、Weiss^[1]研究了具有随机效应的线性模型的异方差检验．林金官和韦博成^[2]将Zhang和、Weiss^[1]的结果推广到非线性情形．本文对具有自相关误差的非线性纵向数据模型，研究了方差齐性和相关系数的齐性检验，得到了检验的score统计量并应用于血浆渗透数据(见Davidian和Giltian^[3])．最后，本文还给出了模拟结果．     

PLM中误差方差未知时的GLR

本文检验部分线性回归模型(PLM)中,误差的方差未知时,函数部分是否是线性函数,在备择假设下,先用局部多项式方法估计出函数部分,再估计参数部分.计算出了零假设下广义似然比(GLR)检验统计量的表达式,给出了它的渐近分布,并对结果进行了模拟.     

离散型半参数广义线性纵向数据模型的方差成分检验

在回归分析中, 随机误差是否存在方差非齐性是大家十分关心的问题, 本文根据Laplace展开原理针对随机效应的影响研究了基于纵向数据的离散型半参数广义线性模型的方差成分检验,得到了Score检验统计量, 最后通过一个实例和计算机模拟验证了本文所提出的方法的有效性.     

基于M估计的线性混合效应模型中方差的齐性检验

本文对纵向数据的线性混合模型,用Fisher得分法得到了参数的M估计(稳健估计),给出了其渐近性质,研究了M估计下异方差的Score检验问题,并对检验统计量的功效进行了模拟,最后通过葡萄糖数据的实例说明了本文方法的有效性.     

基于M估计的纵向数据线性混合模型中方差的齐性检验

本文对纵向数据的线性混合模型,用Fisher得分法得到了参数的M估计(稳健估计),给出了其渐近性质,研究了M估计下异方差的Score检验问题,并对检验统计量的功效进行了模拟,最后通过葡萄糖数据的实例说明了本文方法的有效性。     

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.     

正态条件下带AR(1)-型方差结构GMANOVA-MANOVA模型极大似然估计的小样本特征

研究了一类带一阶自回归(AR(1))-型方差结构的广义多元方差分析-多元方差分析(GMANO VA-MANOVA)模型参数极大似然估计的小样本特征.对带AR(1)-型方差结构GMANOVA-MANOVA模型,文章在正态条件下给出了参数极大似然估计存在的一个充分必要条件,讨论了极大似然估计唯一的充分条件.在该充分条件下,文章证明了相关系数极大似然估计的精确分布只与相关系数有关,并依此给出了自相关系数简单假设H0:ρ=0v.s.H1:ρ≠0的一个不需要叠代计算估计的检验,同时模拟表明该检验为无偏检验且势函数与似然比检验势函数无太大差异.     

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.     

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.     

两步估计的效率

对一般线性模型,为了判定和比较两步估计的优劣,本文引进了两步估计的相对效率的三种度量,给出了它们的下界,并把所得结果应用于两种线性模型:误差方差非齐性的回归模型和误差是一阶自相关的回归模型.     

双截尾Tobit模型中的随机加权逼近方法

本文研究双截尾删失回归模型中参数的随机加权估计(RWE),获得了RWE的统计渐近性质,如相合性和渐近分布.本文证明了RWE在给定样本下的条件渐近分布与参数的最小绝对偏差(LAD)估计的渐近分布是一样的,则可以利用RWE的条件分布去逼近回归参数的LAD估计的分布,从而避免冗余参数的估计,如误差项的密度函数.另外,本文也提出了一个M检验统计量和随机加权M检验统计量(RWM)来检验参数的线性假设问题,建立了该检验的统计性质.数值模拟和实际数据分析结果表明所提方法是可行的.     

广义线性模型中一类推广的拟似然估计与异方差性诊断检验

本文考虑了随机设计情形下一类普通的异方差回归模型，在这个模型中，假定回归函数与方差函数之间的关系服从推广的广义非线性模型，该模型在实际中很常见，广义线性模型便是其特例，首先，我们导出了均值函数的局部加权拟似然估计，然后，用它来得到方差函数的估计，并且证明了这些估计有较好的性质，最后，建立了异方差检验统计量，文中的方法很吸引人。     

有重复观测的部分线性EV模型的参数估计

构造了有重复观测的部分线性EV模型中的诸多参数估计, 包括回归系数、回归误差方差以及非参数函数估计, 去除了有关经典文献中关于测量误差方差已知的假设. 在一些正则条件下, 证明了所有这些估计都是强相合的, 同时获得了回归系数估计的渐近正态性、非参数函数估计的最优收敛速度. 模拟计算表明这些估计的效果优良.     

变系数混合模型的光滑样条推断

为了拟合纵向数据和其他相关数据,本文提出了变系数混合效应模型(VCMM).该模型运用变系数线性部分来表示协变量对响应变量的影响,而用随机效应来描述纵向数据组内的相关性, 因此,该模型允许协变量和响应变量之间存在十分灵活的泛函关系.文中运用光滑样条来估计均值部分的系数函数,而用限制最大似然的方法同时估计出光滑参数和方差成分,我们还得到了所提估计的计算方法.大量的模拟研究表明对于具有各种协方差结构的变系数混合效应模型,运用本文所提出的方法都能够十分有效地估计出模型中的系数函数和方差成分.     

非线性Poisson-Gamma回归模型中存在偏大离差时离差参数的齐性检验

Poisson回归模型广泛地应用于分析计数型数据，但该模型往往存在偏大离差(overdispersion)问题．刻画Poisson回归模型的偏大离差性的两种方法是拟似然方法和随机效应法(Lee＆Nelder，2000)，已有许多作者利用随机效应法研究了Poisson模型的偏大离差的检验问题．但他们均假定随机效应是独立同分布的，本文对他们的假设进行检验．我们分别在组内效应一致和组内效应不一致的情形下，研究了存在偏大离差的Poisson-Gamma非线性随机效应模型中，随机效应方差(称为离差参数)的齐性检验问题，得到了离差参数齐性的score检验统计量．最后给出两个数值例子说明本文方法的应用．     

变系数模型变窗宽局部M-估计的相合性

用变窗宽局部M-估计对变系数模型的系数函数进行估计,得到了估计的相合性和渐近正态性.所采用的方法继承了局部多项式回归的优点并且克服了最小二乘方法缺乏稳健性的缺点.变窗宽的使用提高了局部M-估计的可塑性,并使得它们能成功地处理空间非齐性曲线、异方差性及非均匀设计密度.     

周期异方差时间序列的季节单位根检验

为检验带异方差的季节时间序列中的单位根,提出基于最小二乘估计的统计量.在原假设下得到检验统计量的极限分布.用M on te C arlo方法计算同方差下的经验分位数并考虑异方差对检验水平的影响.实例分析表明了用该方法检验季节单位根的有效性.     

基于异方差的自回归预测模型的参数估计及其应用

从齐性方差的线性回归模型参数估计的最小二乘法出发,通过对统计资料的适当变换,利用加权最小二乘法,获得了异方差的线性自回归模型和四种异方差的非线性自回归模型的参数估计公式,并举例阐述了估计公式的应用.