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.     

多维广义自回归条件异方差模型

In this paper,by making use of the Hadamard product of matrices,a natural and reasonable generalization of the univariate GARCH(Generalized Autoregressive Conditional heteroscedastic)process introduced by Bollerslev(J.Econometrics 31(1986),307-327)to the multivariate case is proposed.The conditions for the existence of strictly stationary and ergodic solutions and the existence of higher order moments for this class of parametric models are derived.     

一类有条件异方差的非线性自回归模型的高阶矩

本文对一类非线性时间序列模型ｘｔ＝φ（ｘｔ－１，…，ｘｔ－ｐ）＋εｔｈ（ｘｔ－１，…，ｘｔ－ｐ）给出了高阶矩的存在条件。     

异方差的线性混合模型的参数估计

本文研究既含有固定效应又含有随机效应的线性混合模型,在随机效应的方差不同即异方差情况下,即考虑方差受外界因素的影响,如温度、湿度等,我们称之为协变量,在有协变量情况下对方差建立对数线性模型,运用最大似然估计讨论了固定效应的估计和随机效应的预测,并且用约束最大似然(REML)方法研究对数线性模型中参数和随机误差中参数(离差参数)的估计,并讨论估计量的性质及离差参数估计量的渐近正态性。     

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.     

非对称广义自回归条件异方差的新模型

本文提出了一个新的非对称广义自回归条件异方差的新模型,证明了该模型宽平稳及其最简模型偶数价矩存在的充要条件。     

门限自回归模型条件异方差的Kolmogorov-Smirnov检验

门限自回归模型被广泛地用于许多领域，当建立或使用这类模型时，一个重要问题是需要知道是否存在条件异方差。在本文中，我们对这个问题提出一个非参数检验，检验的大样本理论被给出，我们还通过数值模拟研究了检验方法的有限样本性质。结果表示检验有好的功效。经验百分位点还被给出。     

误差项有条件异差阵的多元自回归模型的参数估计

线性时间序列模型至今已有广泛的研究，但这些模型习惯上都设预测方差是一个     

带有异方差的部分线性回归模型的B样条估计

考虑一带有异方差的固定设计部分线性回归模型yij=x'ijβ+g(tij)+εij,i=1,2,…,k,j=1,2,…,ni,和∑ni=n,其中yij为响应变量,β=(β1,…,βp)'是未知的参数向量,g(.)是未知的函数,xij=(xij1,…,xijp)'和tij∈[0,1]为已知的非随机设计点,εij为均值0,方差是σ2i的随机误差,其中σ2i可能不同.通过B样条级数近似非参数分量,构造了参数分量β的一个半参数广义最小二乘估计.在一些矩条件下,导出了此半参数广义最小二乘估计的渐近分布,大多数在实际中遇到的误差分布都满足这些矩条件.另外,也构造了半参数广义最小二乘估计的渐近协方差矩阵的一个相合估计,还讨论了非参数分量的B样条估计.所有这些大样本性质都是在k趋于无穷大,n.有限时导出的.这些结果能被用来做渐近有效的统计推导.     

带有异方差的部分线性回归模型的B样条估计

考虑一带有异方差的固定设计部分线性回归模型yij=X'ijβ+g(tij)+εij,i=1,2…,k:j=1,2,…,ni,和sum from i=1 to kni=n,其中yij为响应变量,β=(β1,…,βp)’是未知的参数向量,g(·)是未知的函数,Xij=(Xij1,…,Xijp)’和tij∈[0,1]为已知的非随机设计点,εij为均值0,方差是σi2的随机误差,其中σi2可能不同.通过B样条级数近似非参数分量,构造了参数分量β的一个半参数广义最小二乘估计.在一些矩条件下,导出了此半参数广义最小二乘估计的渐近分布,大多数在实际中遇到的误差分布都满足这些矩条件.另外,也构造了半参数广义最小二乘估计的渐近协方差矩阵的一个相合估计,还讨论了非参数分量的B样条估计.所有这些大样本性质都是在k趋于无穷大,ni有限时导出的.这些结果能被用来做渐近有效的统计推导.     

���������Իع�ģ���лع麯���İ��������

??In this paper, semiparametric estimation of a regression function in the third order partially linear autoregressive model with first order autoregressive errors is mainly studied. We suppose that the regression function has a parametric framework, and use the conditional least squares method to obtain the parameter estimators. Then semiparametric estimators of the regression function can be given by combining with the nonparametric kernel function adjustment. Furthermore, under certain conditions, the consistency of the estimators is proved. Finally, simulation research is presented to evaluate the effectiveness of the proposed method.     

自回归预测模型参数的“折扣”最小二乘估计及其应用

依据折扣最小二乘法准则,对时间序列建立自回归预测模型,给出了参数的估计公式,数值结果表明该方法更行之有效.     

基于黄金分割法的离散回归方程的变点估计及其应用

本文利用变点统计学和黄金分割法讨论有多个变点的离散回归方程的交点估计和参数估计，文中提出基于黄金分割法搜索最佳变点估计和同时得到参数估计的最小二乘算法，还讨论该算法在控制领域的应用，数值模拟结果显示本文算法能给出良好的变点及参数的估计值。     

基于多维名义模型的加权似然估计方法(英文)

The Monte Carlo study evaluates the relative accuracy of Warm's (1989) weighted likelihood estimate (WLE) compared to the maximum likelihood estimate (MLE) using the nominal response model. And the results indicate that WLE was more accurate than MLE.     

具有外生变量部分线性自回归模型的样条估计

考虑自回归模型Y_t=θ~TX_t g(Zt) ε_t,t=1,…,n,其中X_t=(Y_(t-1),…,Y_(t-d))~T,Z_t为实值外生随机变量,θ=(θ_1,…,θ_d)~T为待估参数向量,g为未知非参数光滑函数．基于多项式样条方法,在一定的条件下,给出了θ的估计的渐近正态性,得到了g的估计的收敛速度．模拟例子验证了所得的理论结果．     

基于半参数可加自回归模型的黄金价格实证分析

大量实证研究表明,半参数自回归模型较传统的线性回归而言,能更好的拟合实际数据。本文构造了一类半参数可加自回归模型,基于条件最小二乘方法及核估计方法给出了估计模型参数和未知函数的迭代算法,讨论了估计量的渐近性质。通过数值模拟验证了估计的效果。并将模型应用于黄金价格数据的实证分析之中。实证分析结果表明,我们对现有模型的改进是必要的。     

基于残差加权经验过程方法的自回归模型分布变点监测

Change monitoring of distribution in time series models is an important issue.This paper proposes a procedure for monitoring changes in the error distribution of autoregressive time series,which is based on a weighed empirical process of residuals with weights equal to the regressors.The asymptotic properties of our monitoring statistic are derived under the null hypothesis of no change in distribution.The finite sample properties are investigated by a simulation.As it turns out,the procedure is not only able to detect distributional changes but also changes in the regression coefficient and mean.Finally,we apply the statistic to a groups of financial data.     

Linear Model Selection Based on Risk Estimation

The problem of selecting one model from a family of linear models to describe a normally distributed observed data vector is considered. The notion of the model of given dimension nearest to the observation vector is introduced and methods of estimating the risk associated with such a nearest model are discussed. This leads to new model selection criteria one of which, called the "partial bootstrap", seems particularly promising. The methods are illustrated by specializing to the problem of estimating the non-zero components of a parameter vector on which noisy observations are available.     

删失数据下线性回归模型的参数估计

主要叙述在数据观测不完全的情况下,采用最小二乘法对线性回归模型回归系数的估计及估计量的渐进性质,并给出数据模拟．