偏正态混合效应模型中方差分量函数的参数Bootstrap推断

偏正态混合效应模型通过引入偏度参数,以便更好地刻画实际数据偏态特征,所以被广泛应用于众多实际领域.进一步,方差分量的假设检验一直是该模型的热点研究问题.因此,有必要在偏正态分布下系统讨论混合效应模型中方差分量函数的统计推断问题.首先,分别基于参数Bootstrap方法和广义方法探讨单个方差分量、方差分量之和、方差分量之比的单边假设检验和区间估计问题.其次,Monte Carlo结果表明,在所给样本量和参数设置下,参数Bootstrap方法大多数情况下优于广义方法.最后,将上述方法应用于空气质量指数的案例研究中,以验证所给方法的合理性与有效性.     

非平衡随机效应模型中方差分量的经验Bayes检验

本文研究了非平衡随机效应模型中方差分量的经验Bayes 检验问题. 利用多元密度函数核估计方法构造了参数的经验Bayes(EB)判决函数,证明了该判决函数的渐近最优性,得到了其收敛速度,并给出了一个满足本文结论条件的先验分布.     

非平衡随机效应模型中方差分量的经验Bayes估计

对非平衡单向分类随机效应模型中方差分量找到了其最小充分统计量,在加权平方损失下导出了其Bayes估计,利用多元密度及其偏导数的核估计方法构造了方差分量的经验Bayes(EB)估计,并导出了其收敛速度.文末用例子说明了符合定理条件的先验分布是存在的.     

随机效应模型中方差分量的非负二次型估计

设Y_1,Y_2是相互独立的随机变量,Y_1/(ασ+τ)～X~2(n_1),Y_2/τ～x~2(n_2),其中σ>0,τ>0是未知方差分量,α>0,正整数n_1,n_2是已知常数。本文从风险函数及偏差角度研究了σ的无偏估计Y_1/(αn_1)—Y_2/(αn_2)的改进,并指出用非负二次估计PY_1代替σ的无偏估计较合适,其中最后把上述结果用于一种方式分组及二级套分类随机效应模型。     

随机效应模型中方差分量的经验Bayes检验问题

给出了双向分类随机效应模型中方差分量的Bayes检验的判决函数,利用核估计的方法,构造了相应的经验Bayes(EB)检验的判决函数．在适当的条件下证明了EB判决函数是渐近最优的且有收敛速度．给出了模型的特例和推广．最后,举出一个满足定理条件的例子．     

固定效应部分线性单指标面板模型的惩罚二次推断估计

单指标面板模型已广泛应用于各学科领域的研究中,其估计方法较为丰富,然而鲜有估计方法将个体内的相关性考虑在内.基于此,本文研究了一类个体内存在相关性的固定效应部分线性单指标面板模型,采用惩罚二次推断函数法和LSDV法相结合的方法对模型进行估计,证明了所得估计量的一致性和渐近正态性.Monte Carlo模拟结果显示其具有...     

线性混合效应模型中随机效应密度的非参数估计

对于Tao等(1999)提出的一类线性混合效应模型,构造了随机效应密度的非参数估计,并证明了此估计量具有渐近无偏性.     

两因素随机效应模型下平均暴露量的检验

通过两因素随机效应模型来研究某一工厂的平均暴露(exposure)水平．利用广义检验变量和广义枢轴量分别给出了相关假设检验问题的广义p-值．证明了由广义p-值所确定的拒绝域的概率在原假设下取上确界等于在原假设和备择假设的公共边界上取上确界,且进一步证明了当参数趋于原假设和备择假设的公共边界的边界时,犯第一类错误的概率趋于名义显著性水平,并在公共边界的内部做了模拟研究．结果表明,用广义p-值的方法来解决此类问题可得到令人满意的结果．     

平衡随机模型中方差分量的非负估计

众所周知, 对于平衡随机模型, 方差分量的方差分析估计为一致最小方差无偏估计. 本文基于方差分量的方差分析估计, 构造了一个二次不变估计类, 它包含了一些常用重要估计. 证明了该估计类在一定条件下在均方误差意义下一致优于方差分析估计, 并在此估计类基础上, 给出了方差分量的两种非负估计, 它们在均方误差意义下分别一致优于方差分析估计和限制极大似然估计, 且有显式解、容易计算.     

响应变量随机缺失下偏正态众数混合专家模型的参数估计

数据缺失是众多影响数据质量的因素中最常见的一种.若缺失数据处理不当,将直接影响分析结果的可靠性,进而达不到分析的目的.本文针对随机缺失偏正态数据,研究了偏正态众数混合专家模型的参数估计.将众数回归插补与聚类相结合,提出分层众数回归插补方法.利用机器学习插补和统计学插补的方法,进一步比较研究三种机器学习插补方法:支持向量机插补、随机森林插补和神经网络插补,三种统计学插补方法:分层均值插补、众数回归插补和分层众数回归插补的缺失数据处理效果.通过Monte Carlo模拟和实例分析结果表明,分层众数回归插补的优良性.     

随机效应模型中方差分量渐近最优的经验Bayes估计

本文在加权二次损失下导出了双向分类随机效应模型中方差分量的Bayes估计,并利用多元密度函数及其混合偏导数核估计的方法构造了方差分量的经验Bayes(EB)估计.在适当的条件下证明了EB估计的渐近最优性,给出了模型的特例和推广.最后,举出一个满足定理条件的例子.     

广义线性模型中方差函数的非参数估计

本文提出了$\sigma(u)$的一种改进的估计$\wh\sigma_n(u)$, 在一定的条件下证明了$\sup\limits_{u}|\wh\sigma_n(u)-\sigma(u)|$相对于[1]中的估计以更快的速度依概率收敛于0, 并修正了定义区间.     

广义线性模型中方差函数的非参数估计

本文提出了$\sigma(u)$的一种改进的估计$\wh\sigma_n(u)$, 在一定的条件下证明了$\sup\limits_{u}|\wh\sigma_n(u)-\sigma(u)|$相对于[1]中的估计以更快的速度依概率收敛于0, 并修正了定义区间.     

非线性随机效应模型的异方差性检验

随机效应模型广泛应用于刻画重复测量数据的特征．在该模型中,随机误差的方差包括受试群体内部及受试群体之间两项方差．Ｚｈａｎｇ和 Ｗｅｉｓｓ ２０００年研究了线性随机效应模型的异方差检验,本文对非线性随机效应模型,分别讨论了群体内、群体间和多变量的异方差性的检验问题,得到了检验的ｓｃｏｒｅ统计量,并讨论了三种情形下,相应的ｓｃｏｒｅ函数之间的关系．最后给出一个数值例子说明上述方法的有用性．     

宏观经济因素与中国上市银行资本结构——基于非平衡面板数据的实证分析

本文利用2003-2010年非平衡面板数据,首次从宏观经济的角度,实证研究了宏观经济因素以及银行性质对银行资本结构的影响.运用可行广义最小二乘估计方法,实证发现银行资本结构呈显著的反经济周期变化,货币供应量与银行资本结构呈正相关关系,不良贷款对银行资本结构也有一定的影响,而信贷总量的影响则不显著.本文的实证结果表明:宏观经济状况是影响银行资本结构的重要因素,同时银行性质对银行资本结构也有影响.     

单向分类随机效应模型中方差分量的渐近最优经验Bayes估计

本文在加权平方损失下导出了单向分类随机效应模型中方差分量的Bayes估计, 利用多元密度及其偏导数的核估计方法构造了方差分量的经验Bayes(EB)估计,证明了 EB估计的渐近最优性.文末还给出了一个例子说明了符合定理条件的先验分布是存在 的.     

基于联合估计方法的广义随机系数自回归模型的统计推断

本文利用联合估计函数方法(CEF)对广义随机系数自回归(GRCA)模型进行统计研究.应用联合估计函数方法得到广义随机系数自回归模型参数估计量,证明了提出的参数估计量的相合性和渐近正态性,利用数值模拟对提出的参数统计量进行对比分析,数值模拟结果表明,联合估计方法的参数估计量优于基于估计函数方法、伪极大似然方法、最小二乘方法的参数估计量,实证研究也说明CEF方法具有较好的效果.     

未决赔款准备金评估的对数正态模型及其预测分布的Bootstrap实现

目前在我国精算实务中对未决赔款准备金评估的不确定性风险逐渐重视,对不确定性加以度量显得很有必要.在以往关于未决赔款准备金的不确定性研究中,大多集中于预测均方误差.从数值角度看,如果应用随机模拟的方法,能得到未决赔款准备金完整的预测分布,那么就可以由该分布得到各个分位数以及相关的分布度量,对准备金负债评估的准确性和充足性具有重要的参考价值.研究的对数正态模型是未决赔款准备金评估中的分布模型之一,它假设累计赔款单个进展因子服从对数正态分布,进而将参数Bootstrap方法和非参数Bootstrap方法应用于对数正态模型中,得到了未决赔款准备金的预测分布,并通过精算实务中的数值实例加以实证分析.数值实例由当前国际上日益流行的统计软件R加以实现.     

平衡单向分类随机效应模型中的多个异常值检验

该文研究平衡单向分类随机效应模型中多个异常值的检验问题. 在基于随机效应上的均值滑动模型下导出了似然比检验统计量, 并给出了其精确分布及水平异常值的检验过程. 在基于观测误差上的均值滑动模型下,利用得分检验统计量给出了多个异常值的检验过程.     

固定效应部分线性单指数面板模型的快速有效估计及应用

将最小二乘支持向量机(LSSVM)和二次推断函数法(QIF)相结合,构造了个体内具有相关结构的固定效应部分线性单指数面板模型的新估计方法;在一定的正则条件下,证明了参数估计量的渐近正态性,导出了非参数估计量的收敛速度;Monte Carlo模拟了所述方法在各种相关结构下的有限样本表现,并与惩罚二次推断函数(PQIF)法进行了比较;将估计技术应用于分析我国人口结构与居民消费率的关系.研究发现,该方法改善了估计量的有效性,应用效果良好,程序运行速度快,适合经济变量间的线性和非线性关系研究以及大数据分析.