面板数据下序贯模型变点的渐近检验法

本文研究了面板数据模型下变点是否存在的检验问题.对于面板序贯模型下的变点,利用构造的检验统计量及其极限分布的方法,获得了关于变点的一种渐近检验法.随后进行Monte-Carlo数值模拟,在模拟中对检验方法的经验检验水平、检验功效以及变点后的停时三个判断标准进行了考察.结果显示无论在理论还是数值模拟上,我们提出的渐近检验法均表现优良.推广了现有文献的关于单序列变点的序贯检验方法.     

长相依序列均值变点检测

研究了长相依序列均值变点检测问题.首先给出变点检验的Ratio统计量其次分别推导了原假设和备择假设下统计量的极限分布,最后用蒙特卡洛方法模拟出检验的临界值,并通过数值模拟和实例分析说明方法的有效性.     

含结构变点无限方差序列的伪回归检验

基于最小二乘回归理论,研究了含结构变点无限方差序列的伪回归检验.结果表明,对两列含结构变点无限方差序列进行线性回归分析时,当两序列尾部指数之和小于1.5时,无论结构变点位置是否相同,t检验统计量均发散,导致伪回归现象的出现.究其原因,结构变点增加了回归误差的持久性,从而产生伪回归.蒙特卡罗数值模拟结果表明,伪回归现象不仅受序列尾部指数的影响,且对结构变点的位置敏感.     

基于Bootstrap的厚尾相依序列持久性变点检验

基于修正方差比率函数给出一种检验厚尾序列持久性变点的统计量.在无变点的假设下得到了统计量的渐近分布.为避免检验渐近分布中的厚尾指数,构造Bootstrap抽样方法来确定渐近分布的经验临界值.数值模拟研究结果说明修正方差比率统计量及Bootstrap抽样方法的有效性.     

基于经验似然的Logistic回归模型的变点检验

基于经验似然对Logistic回归模型进行变点检验及估计.通过建立变点模型,构造经验对数似然比统计量,在大样本下,证明了经验对数似然比统计量与经典参数对数似然比统计量具有相同的极值分布,同时得到变点的估计及估计的相合性,并通过数值模拟及实例说明经验似然方法检验变点的可行性.     

基于经验欧氏似然的均值单变点检测

均值单变点检测是研究变点问题的基础.论文根据均值单变点模型的特点,构造截断经验欧氏似然比检验函数并给出显式表达.在此基础上,得到了零假设下检验统计量的极限分布为极值分布,给出变点的诊断方法.在有变点的情况下,进一步给出变点位置的估计和其相合性的理论证明.最后通过数值模拟和尼罗河年流量的实证分析说明所提方法的有效性和实用...     

含尺度变点稳定分布的单位根检验

研究稳定分布噪声模型中含有尺度变点的单位根检验问题.在尺度突变的情形下,给出DF型检验统计量在原假设成立时的渐近分布.结果表明:统计量的渐近分布不仅是Lévy过程的泛函,且依赖尺度变化的位置和跳跃幅度.最后,通过Mente Carlo数值模拟证实,DF检验统计量不再稳健,尺度变点会导致单位根检验的经验水平值发生扭曲.     

非参数模型均值函数结构变点的Bootstrap检测

本文检测非参数回归模型均值函数结构变点,针对均值函数跃度的长期均值为零时,基于残量的CUSUM统计量对均值函数结构变点检验无效的问题,本文提出了一种基于均值函数的核估计的检验统计量,得到统计量在原假设和备择假设下的极限分布,并构造Bootstrap方法对非参数回归模型均值函数结构变点进行检验,证明了检验和估计的一致性;模拟结果表明本文方法明显优于已有方法。     

随机设计下非参数回归模型方差变点Ratio检验

研究随机设计下非参数回归模型方差变点Ratio检验.首先用局部多项式方法估计回归曲线得到残差序列,其次基于残差的平方序列构造Ratio检验统计量并推导检验统计量的极限分布.最后数值模拟与实例分析结果表明方法的有效性.     

ARCH模型的多变点检验

研究自回归条件异方差(ARCH)模型的多变点检验问题.提出一种拟似然比检验统计量,并在原假设下给出统计量的极限分布.在假设检验过程中得到变点个数的一致估计.数值模拟与实例分析说明了方法的合理性.     

多元Logistic回归模型的结构变点估计

多元Logistic回归模型是广义线性模型中的一种常见形式,在社会科学和生物医学等领域有着广泛的应用.本文首先基于Pearson卡方统计量对Logistic回归模型的结构变点进行估计,再结合二元分割方法将其推广到多变点的情形.数值模拟结果表明基于Pearson卡方统计量的二元分割方法能有效估计出变点,且当变点之间间隔的样本较多时,估计效果较好.最后将此方法应用于一组DNA数据上,说明方法的有效性.     

恰当散度非线性模型变离差的检验

本文研究了恰当散度非线性模型变离差的检验问题.基于似然比统计量和得分统计量,得到变离差的检验.并且用数值例子说明方法是有效的.     

非参数回归中方差变点的小波检测(英文)

本文主要研究了非参数回归模型中方差函数的变点, 利用小波方法构造的检验量来检测方差中的变点,建立了这些检验量的渐近分布, 并且运用这些检验量构造了方差变点的位置和跳跃幅度的估计, 给出了这些估计的渐近性质, 并进一步通过随机模拟验证了本文方法在有限样本下的性质.     

重尾序列均值变点的经验似然比检验

本文通过经验似然思想建立假设检验的方法,研究了重尾序列均值变点的检测问题.首先,基于重尾模型,在原假设和备择假设下得到经验似然函数.其次,基于经验似然函数构造似然比检验统计量,并给出在原假设成立时该似然比统计量的渐近分布.最后,进行Monte Carlo数值模拟验证该方法的有效性,模拟结果表明本方法对重尾序列均值变点的...     

非参数回归模型均值与方差双重变点的估计

本文基于核估计和小波方法研究异方差非参数回归模型中均值函数和方差函数均存在变点的估计问题.首先,构造基于均值函数的核估计量,求出均值变点位置及跳跃度的估计.其次,利用小波方法构造方差变点的估计量,运用该估计量获得方差变点位置与跳跃度的估计,给出变点估计量的渐近性质.最后数值模拟并通过比较验证了方法的有效性.     

广义Pareto分布变点检测似然比模型

为检测极端事件的状态变化,基于似然比方法研究了广义Pareto分布(Generalized Pareto Distribution,GPD)变点检测模型.考虑三参数GPD变点的检验问题,提出了最大似然比检验统计量.通过证明参数变换后GPD的对数似然和检验统计量的一系列极限性质,得到了检验统计量的渐近分布.通过模拟研究,对该方法的有限样本性质进行了评价,实例分析也验证了该方法的可行性.     

至多一个分布变点的非参数检验及其渐近性质

本文研究了连续分布函数变点的假设检验问题,通过秩统计量和次序统计量方法,得到了相应的检验统计量及其渐近性质.     

正态分布方差变点的检验

本文讨论了正态分布方差只有一个变点的检验问题，我们构造了三个检验统计量，其中L检验基于非参数U统计量，B检验基于Bayes方法，R检验由极大似然比方法导出．本文给出了L、B、R检验的渐近临界值，并用MonteCarlo模拟方法研究了这三个检验与平方的CUSUM检验以及LM检验的势，并进行了比较。当变点在序列的前一半位置时，L和R检验较好，当变点在序列的后一半位置时，平方的CUSUM和B检验较好．     

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...     

GARCH模型变点的Ratio检验

研究GARCH模型参数变点的Ratio检验.首先构造了基于残量累积平方和的Ratio统计量,推导了原假设下统计量的极限分布,其次采用Monte Carlo方法检验其有效性,最后以数据为例进一步说明该方法的实用性.