基于周期异方差季节单位根的加权估计与检验

为检验周期异方差的季节单位根模型,基于加权最小二乘估计,提出检验统计量,并在原假设下得到检验统计量的极限分布,与各个季节的周期异方差无关,是标准Wiener过程的泛函.模拟结果和实例分析都表明了用该方法检验季节单位根模型的有效性.     

带季节线性趋势的季节时间序列的单位根检验

本文为检验带季节线性趋势的季节时间序列的单位根，提出了调整季节线性趋势的统计量，导出这些统计量的极限分布，并用Monte Carlo方法比较研究这些统计量的检验势．     

具有结构变化的非线性回归模型的阶段异方差检验

对于具有结构变化的非线性回归模型,两阶段的随机误差同时具有方差齐性是一个基本假设,但是该假设未必正确．本文研究该模型阶段异方差的检验问题．首先探讨了两阶段异方差的同时检验,然后构造了两阶段异方差的两个单个检验,分别得到了同时检验和单个检验的score统计量以及相应的调整形式．然后应用得到的检验统计量分析了南澳大利亚洋葱数据的阶段异方差性(Ratkowsky,1983),并用AIC,SBC进行模型比较,得到的结果与检验结果非常吻合．最后,用Monte Carlo模拟方法研究了统计量的检验功效．     

测量误差对单位根检验的影响

本文推导了加性平稳测量误差下单位根检验中有截距和无截距情形下T(p-1)与τ两种统计量的极限分布。理论分析和蒙特卡罗实验均表明,单位根检验结果易受到测量误差的影响。测量误差将导致统计量分布向左偏移,从而导致检验水平的扭曲和检验功效的增加。左偏程度受测量误差方差及其一阶协方差的相对大小控制,而与测量误差的均值大小和概率分布无关。测量误差方差增大,左偏更严重;正的一阶协方差可以减少和抵消统计量分布的向左偏离,而负的一阶协方差将加剧左偏的程度;一阶协方差接近于方差时,左偏程度很小。测量误差的方差相对较小时,其对单位根检验的影响可以忽略。     

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.     

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.     

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.     

时间序列中条件异方差性的检验

对时间序列中条件异方差性的检验 ,提出了一种新的方法 .这种检验方法的构造是基于拟合优度类检验统计量和Cramer vonMises类检验统计量 .研究了检验统计量的渐近性质 .结果表明 ,新的检验是相合的 .     

具有线性趋势回归信度模型异方差的score检验

回归信度模型在保险研究中具有重要的作用.本文分险种内部,险种之间,险种内部及之间三种情形讨论了具有线性趋势回归信度模型异方差的score检验问题.首先推导了异方差存在性检验的score检验统计量,然后利用Monte-Carlo方法模拟了这几种检验统计量的功效,功效模拟结果显示：这几种检验统计量都有很好的检验效果.最后利用文中所得到的检验方法对旅客意外身体伤害保险数据进行了实例分析.     

随机权函数非线性回归模型的异方差统计分析

在回归分析中，随机误差是否存在方差齐性是理论与实际工作者都十分关心的问题，方差齐性假设并不总是正确的，在线性和非线性回归中关于异方差的诊断问题已有许多讨论（[1],[2],[4],[5]）。本文在韦博成（1995）讨论了加权非线性回归模型的基础上，用随机系数的方法，讨论随机权函数非线性回归模型中的异方差检验问题，得到了方差齐性检验的似然比统计量和score统计量，同时，当模型存在异方差时，本文给出了估计方差的一种方法。     

Empirical likelihood hypothesis test on mean with inequality constraints

Hypothesis test on the population mean with various inequality constraints is studied in this paper.The empirical likelihood method is applied to construct test statistics.Limiting distributions of the empirical likelihood ratio test statistics are proven to be a weighted mixture of chi-square distributions.Numerical results are presented to show the validity of the proposed method.     

ON SOME TESTS FOR ELLIPTICAL SYMMETRY

In this paper, some test statistics of Kolmogorov type and Cramer-von Mises type based on projection pursuit technique are proposed for testing the sphericity problem of a high-dimensional distribution. The limiting distributions of the test statistics are derived under the null hypothesis and any fixed alternative. The asymptotic properties of Bootstrap approximation are investigated. Furthermore, for computational reasons, an approximation for the statistics, based on number theoretic method, is suggested.     

基于投影的多元正态性相关与回归检验

考虑多元分布的正态性检验问题,用投影寻踪方法,给出了两个检验统计量,模拟计算也表明所提出的检验统计量具有良好的功效.     

一类相合的分位点型检验

广义非参数似然比检验统计量是一类很广的统计量,包含了众多重要的检验统计量,如Anderson-Darling(AD)等.利用Rubin的随机经验分布函数替代经验分布函数的方法,得到了广义非参数似然比检验统计量的新版本,构造了新的检验统计量.由于新的检验统计量在给定样本下仍然是随机变量,选择了它的分位点和期望作为检验统计量,分别称之为分位点型检验统计量和期望型检验统计量.在简单假设情况下,证明了分位点型检验统计量和期望型检验统计量在固定备择下的相合性.模拟结果显示,在某些备择下,新的检验的功效明显高于原有的基于经验分布函数的检验的功效.     

火灾的周期性波动规律及其应用

分析中国火灾的历年统计数据,发现中国火灾发生规律同时具有增长趋势性和周期波动性特征.借助于M ATLAB软件,根据2000-2006年中国火灾统计数据,分别建立了火灾24小时发生起数的(1)趋势灰色预测与周期波动指数相乘的组合预测模型和(2)二次曲线趋势与Fourier级数叠加的组合预测模型,两个模型(预测值与实际值)的平均相对误差都小于0.09.研究结论为消防研究、消防部门决策提供科学依据.     

A test for independence of two stationary infinite order autoregressive processes

This paper considers the independence test for two stationary infinite order autoregressive processes. For a test, we follow the empirical process method and construct the Cramér-von Mises type test statistics based on the least squares residuals. It is shown that the proposed test statistics behave asymptotically the same as those based on true errors. Simulation results are provided for illustration.     

Generalized Cramér-von Mises tests of goodness of fit for doubly censored data

We generalize Cramér-von Mises statistics to test the goodness of fit of a lifetime distribution when the data are doubly censored. We derive the limiting distributions of our test statistics under the null hypothesis and the alternative hypothesis, respectively. We also give a strong consistent estimator for the asymptotic covariance of the self-consistent estimator for the survival function with doubly censored data. Thereby, a method, called the Fredholm Integral Equation method, is proposed to estimate the null distribution of test statistics. In this work, the perturbation theory for linear operators plays an important role, and some numerical examples are included.The author's research was supported by a Faculty Fellowship of University of Nebraska-Lincoln.     

Regression type tests for parametric hypotheses based on optimally selected subsets of the order statistics

Through use of a regression framework, a general technique is developed for determining test procedures based on subsets of the order statistics for both simple and composite parametric null hypotheses. Under both the null hypothesis and sequences of local alternatives these procedures are asymptotically equivalent in distribution to the generalized likelihood ratio statistic based on the corresponding order statistics. A simple, approximate method for selecting quantiles for such tests, which endows the corresponding test statistics with optimal power properties, is also given.     

���ھ���ֲ������ĸ�ά��̬�Լ���

??Kolmogorov-Smirnov (KS), Cramer-von Mises (CM) and Anderson-Darling (AD) test, which are based on empirical distribution function (EDF), are well-known statistics in testing univariate normality. In this paper, we focus on the high dimensional case and propose a family of generalized EDF based statistics to test the high-dimensional normal distribution by reducing the dimension of the variable. Not only can we approximate the corresponding critical values of three statistics by Monte Carlo method, we also can investigate the approximate distributions of proposed statistics based on approximate formulas in univariate case under null hypothesis. The Monte Carlo simulation is carried out to demonstrate that the performance of proposed statistics is more competitive than existing methods under some alternative hypotheses. Finally, the proposed tests are applied to real data to illustrate their utility.