线性过程方差变点的平方累计和SCUSUM估计(英文)

This paper considers the estimation problem of a variance change-point in linear process.Consistency of a SCUSUM type change-point estimator is proved and its rate of convergence is established.The mean-unknown case is also considered.     

半参数变系数异方差部分线性模型下的经验似然

Consider the semiparametric varying-coefficient heteroscedastic partially linear model Y i = Xτiβ + Zτiα(Ti) + σiei,1 ≤ i ≤ n,where σ 2 i = f(Ui),β is a p × 1 column vector of unknown parameter,(Xi,Zi,Ti,Ui) are random design points,Y i are the response variables,α(·) is a q-dimensional vector of unknown functions,e i are random errors.For both cases that f(·) is known and unknown,we propose the empirical log-likelihood ratio statistics for the parameter β.For each case,a nonparametric version of Wilks’ theorem is derived.The results are then used to construct confidence regions of the parameter.Simulation studies are carried out to assess the performance of the empirical likelihood method.     

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.     

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$whsigma_n(u)$, 在一定的条件下证明了$suplimits_{u}|whsigma_n(u)-sigma(u)|$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.     

线性混合效应模型中方差分量的估计

本文首先研究了含三个方差分量的线性混合随机效应模型改进的ANOVA估计, 此估计在均方损失下一致优于ANOVA估计. 由于这些方差估计取负值的概率大于零, 对得到的估计在某非负点采用截尾的方法得到非负估计是一种常用的方法. 对文章中提出的估计, 研究了此估计在某非负点截尾之后得到的估计在均方损失意义下优于截尾之前的估计的充分条件, 同时给出ANOVA估计在截尾之后优于它本身的充分条件, 而且将得到的结论推广到更一般的线性混合随机效应模型.     

部分线性混合效应模型中方差分量的稳健估计

部分线性混合效应模型中方差分量是我们感兴趣的参数, 文献中已经给出许多估计方法. 但是其中很多方法都可以归结为广义估计方程方法(GEE), 如: 最大似然估计(MLE), 约束最大似然估计(REMLE)等, 而GEE方法对异常点很敏感. 本文提出一组关于部分线性混合效应模型(PLMM)中均值和方差分量的稳健估计方程, 对均值和方差分量同时进行稳健估计; 并进行了随机模拟考察所提出稳健估计的有效性, 最后通过两个实例, 说明了所提方法的可行性.     

线性混合模型中方差分量的估计与QR分解

在线性混合模型中, 极大似然估计是一种很重要的估计方法, 但是它常常需要通过迭代求解. 应用设计阵的QR分解, 可以把设计阵变换成上三角矩阵. 这样可以降低参与迭代运算的矩阵的阶数, 还可以减少参与运算的数据量, 从而提高运算的速度. 本文讨论了QR分解在EM算法中的应用, 并用模拟的方法验证了QR分解可以极大的提高运算的速度. 本文同时讨论了QR分解在另外一种估计方法, 即ANOVA估计中的应用.     

部分线性变系数模型中误差方差的估计

作为部分线性模型与变系数模型的推广,部分线性变系数模型是一类在建模中应用非常广泛的模型.本文基于Profile最小二乘方法给出了模型中误差方差的估计并证明了该估计的渐近正态性.最后通过数值模拟验证了我们所提估计方法的有效性.     

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.     

时间序列中方差的结构变点的小波识别(英文)

本文给出了时间序列中方差的小波系数的两种估计:连续估计和离散估计.这两种估计可以用来检测时间序列中方差的结构变点.利用这两种估计我们给出了方差变点的位置和跳跃幅度的估计,并且显示出这些估计可达到最佳收敛速度.同时,我们还给出了这些估计的收敛速度以及检验统计量的渐进分布!     

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.     

多元正态向量均值变点在线监测

在这篇文章中, 我们提出了监测多元独立向量均值变点的两种方法. 第一种方法是构造基于残差的CUSUM统计量; 第二种方法是构造基于递归残差的CUSUM统计量. 并分别得到了对应统计量的渐进分布.模拟表明本文提出的方法监测效果良好, 生产实例也说明该方法具有一定的实用性和有效性.     

平衡线性混合模型方差分量几种估计的优良性

对于平衡线性混合模型,本文提出了一组易验证的条件,在此条件下,方差分量的谱分解估计、方 差分析估计和最小范数二次无偏估计都相等且为一致最小方差无偏估计．同时证明了在此条件下,似然 方程和限制似然方程都有显式解,还给出了许多满足这组条件的平衡线性混合模型的例子．     

关于链模型的回归系数与协方差阵元素的关系

该文以数学公式的形式严格定义了[1][2]提出的多元链回归模型,块回归链模型．导出了这两类模型的回归系数用协方差矩阵元素表式的解析表达式。这些都去掉了[1][2]要求正态分布的假设．它们对图模型的理论研究及其应用都是很有价值的。最后本文还对一种块链模型讨论了它的回归系数与协方差阵元素所满足约束的互相对应关系．     

SUR模型回归系数的估计

本文证明了一个关于SUR模型回归系数最小方差线性无偏估计(MVLUE)的充要条件,并利用此充要条件讨论了几类SUR模型回归系数的MVLUE估计及两步估计.在方法上避免了与分块矩阵求逆有关的运算,所得结论推广和完善了已有的一些结果.     

方差分量谱分解估计的几个性质

对于线性混合模型中方差分量的估计，虽有多种方法，但一般情况下只有方差分析估计和谱分解估计有显式解，本文就线性混合模型中含两个方差分量的情形，对方差分析估计和谱分解估计进行了比较，证明了在一些条件下两个估计的方差相等，由此推出谱分解估计也具有方差分析估计的某些优良性．文末用实例进一步说明了文中的结果．     

Optimal online detection of parameter changes in two linear models

Shiryaev has obtained the optimal sequential rule for detecting the instant of a distributional change in an independent sequence using the theory of optimal stopping of Markov processes. This paper considers the problem of sequential detection of certain parameter changes in two dependent sequences: an autoregressive process, and a regression model with serially correlated error terms. It is shown that the rule that is optimal in the sense of minimizing the expected positive delay is the one which declares a change to have occured as soon as the posterior probability of a change crosses a threshold. This rule also permits control of the probability of a false-declaration of change, just as in the independent sequence case.     

用M方法检测回归系数矩阵的秩

为了确定多重线性回归模型中回归系数矩阵的秩，　本文提出了一个基于Ｍ估计的模型选择程序，　且在较弱的条件下建立了回归系数矩阵的秩的估计的强相合性。     

SUR回归系统系数估计的一些推广结果

文[1]给出了关于相依回归方程系统(SURS)系数最小方差无偏估计(MVLUE)的一些充要条件,本文继续讨论了两类SURS的回归系数的MVLUE的充要条件,并讨论了两步Zellner估计的有限样本性质,从而进一步推广和完善了[1]中的相应结果。