纵向部分线性模型的分块经验似然比检验

结合基函数逼近技术和分块经验似然方法,对纵向数据下的部分线性模型提出了一个简单有效的检验方法.在一定条件下,证明了所构造的检验统计量渐近服从标准卡方分布,进而得到了一定置信水平的拒绝域.数据模拟表明该检验方法可以有效地消除纵向数据的组内相关性对检验功效的影响.     

Γ函数在概率统计中的应用

利用Γ函数的定义及性质推导卡方分布概率密度函数的表达式、卡方分布的期望与方差,求解一些分布的数字特征,最后介绍Γ函数在概率统计证明中的一些应用.     

纵向数据下半参数工具变量模型的经验似然推断

本文研究纵向数据下半参数工具变量模型中回归系数的区间估计问题.首先利用B-样条方法逼近半参数模型中的非参数函数.为了处理内生变量和纵向数据的组内相关性,对模型中回归系数提出了基于工具变量和二次推断函数的有效经验对数似然比统计量,并证明所提出统计量渐近服从标准卡方分布,由此构造回归系数的置信域.     

不等式约束条件下经验似然法在两总体中位数检验中的应用

本文中, Owen 引入的经验似然方法被用于参数空间带不等式约束的两总体中位数的比较. 迄今为止, 还没有人研究过该问题. 这是因为, 在构造经验似然函数过程中所使用的辅助函数不是光滑函数, 因而不是凸函数, 从而使研究难度大大增加. 然而, 通过引入经验过程的办法, 本文很巧妙地解决了此问题. 根据经验过程, 本文证明了两中位数比较的经验似然比检验统计量的极限分布要么是单一的卡方分布, 要么是两个卡方分布的等权混合分布. 这一理论结果得到了模拟运算结果的有力支持.     

混合序列的VaR分布核估计及其应用

本文首先在ρ-混合相依序列情形下,研究了VaR分布核估计v_(p,h)的均方误差和最优窗宽,得到的最优窗宽使得均方误差MSE(v_(p,h))达到最小.利用拉普拉斯分布密度函数代替窗宽表达式中的密度函数,采用插值的方法计算最优窗宽的具体值.借助所得到最优窗宽进行数值模拟,结果显示,VaR分布核估计值与次序统计量估计值相比,分布核估计的效果更好.实证结果表明深证B股指数的风险明显大于上证A股指数.     

变系数模型中的一步估计法

提出一步估计方法用以估计变系数模型中具有不同光滑度的未知函数. 在这一方法中, 不同阶的多项式用来逼近不同光滑度的未知函数. 由于只使用一次极小化, 所需计算量要比现有的两步方法少得多. 一步估计量被证明达到了最优收敛速度, 而且, 这一性质是在比两步估计法更弱的条件下得到的. 更重要的是, 由于只执行一次极小化, 估计量的所有渐近性质, 不仅是渐近偏差、方差, 而且渐近分布都能推出. 渐近分布将在统计推断中起着重要作用.     

ȱʧ������varphi����������ηDz����ع麯���ľ�����Ȼ�ƶ�

在φ混合的随机误差下,本文研究了固定设计及响应变量有缺失的非参数回归模型中回归函数的经验似然置信区间的构造.首先采用非参数回归填补法对缺失的数据进行填补,其次利用补足后得到的"完全样本"构造了非参数回归函数的经验似然比统计量,并证明了经验似然比统计量的极限分布为卡方分布,利用此结果可以构造非参数回归函数的经验似然置信区间.     

缺失数据下φ混合样本情形非参数回归函数的经验似然推断

在φ混合的随机误差下,本文研究了固定设计及响应变量有缺失的非参数回归模型中回归函数的经验似然置信区间的构造.首先采用非参数回归填补法对缺失的数据进行填补,其次利用补足后得到的"完全样本"构造了非参数回归函数的经验似然比统计量,并证明了经验似然比统计量的极限分布为卡方分布,利用此结果可以构造非参数回归函数的经验似然置信区间.     

纵向数据下部分线性模型的经验似然推断

考虑纵向数据下部分线性模型,研究了回归系数和基准函数的经验似然推断,证明了所提出的经验对数似然比渐近于卡方分布,由此构造了相应兴趣参数的置信域和区间. 此外,利用经验似然比函数得到了回归系数和基准函数的最大经验似然估计,并且证明了所得估计量的渐近正态性.模拟研究比较了经验似然与正态逼近方法的有限样本性质,并进行了案例分析.     

概率密度函数核估计的Bootstrap逼近

主要研究了密度函数核估计逼近的速度,用Bootstrap方法对核密度进行估计,在适当的条件下,进一步提高了密度核估计Bootstrap逼近的速度,所得到的结果使得密度核估计Bootstrap逼近的速度与密度函数及其导数之间的关系更加的明确.     

随机右删失数据下半参数线性变换模型的经验似然推断

本文研究了响应变量随机右删失情形下半参数线性变换模型的经验似然推断问题.构造了参数的经验似然比检验统计量,证明了经验似然比检验统计量的渐近分布为加权卡方分布.在此基础上,对经验似然比检验统计量进行了调整,证明了调整的经验似然比检验统计量的渐近分布为标准的卡方分布.基于经验似然和调整的经验似然方法,分别给出了回归参数的一定置信水平的置信域.最后对本文的方法和传统的正态逼近方法进行了模拟比较,模拟结果显示,从置信域的大小和经验覆盖概率两个角度看,本文的方法均比正态逼近方法优越.     

随机右删失数据下半参数线性变换模型的经验似然推断北大核心CSCD

本文研究了响应变量随机右删失情形下半参数线性变换模型的经验似然推断问题.构造了参数的经验似然比检验统计量,证明了经验似然比检验统计量的渐近分布为加权卡方分布.在此基础上,对经验似然比检验统计量进行了调整,证明了调整的经验似然比检验统计量的渐近分布为标准的卡方分布.基于经验似然和调整的经验似然方法,分别给出了回归参数的一定置信水平的置信域.最后对本文的方法和传统的正态逼近方法进行了模拟比较,模拟结果显示,从置信域的大小和经验覆盖概率两个角度看,本文的方法均比正态逼近方法优越.     

PA样本下非参回归函数的经验似然置信区间

在PA样本下采用分块方法构造非参数回归函数的经验似然比统计量,并在一定的正则条件下证明了统计量渐近服从卡方分布,由此构造了非参回归函数的经验似然置信区间.     

多维空间中变量含误差的直线模型

本文讨论了一种线性函数关系模型──多维空间中变量含误差的直线模型．利用一 些统计逼近定理及矩阵分析的结果,在关于真值及误差较弱的条件下证明了构造的参数估计 具有强相合性并且得到了ａ,ｓ收敛速度．在较强的条件下,还可得到估计量的渐近分布．     

斜球变量的F统计量

本文研究斜球变量的F统计量的性质并引进了一类斜F分布.我们得到了密度函数,分布函数,矩发生函数和矩,考察了F检验在斜正态分布族内的性质.     

部分线性模型的模态正交经验似然推断

本文考虑部分线性模型的有效经验似然统计推断问题.通过结合模态回归和正交投影技术,提出了一种模态经验似然统计推断过程.证明了提出的经验似然比函数渐近服从中心卡方分布,进而构造了模型参数的置信区间.所提出的估计方法可以对模型的参数分量和非参数分量分别估计,而互不影响,具有较好的稳健性和有效性.     

右删失数据下分位数回归的光滑经验似然检验

关于线性分位数回归模型的参数检验问题,对完全观测数据,已有文献用经验似然(EL)法和光滑经验似然(SEL)法构造的检验统计量在原假设下均以卡方分布χ_M~2为渐近分布.对右删失数据,已有文献用EL法构造的检验统计量以加权卡方分布为渐近分布,而权重是待估的.对右删失数据,本文用EL法和SEL法构造的检验统计量在原假设下均依分布收敛到χ_M~2,因此无需估计权重.由于SEL法的估计函数是光滑的,故可以进行Bartlett纠偏.随机模拟结果表明与已有的方法相比,SEL法经过Bartlett纠偏后有更高的精度.     

求解混沌映射不变分布的符号计算法

根据Frobenius-Perron方程,可以对混沌映射的不变分布从理论上加以分析,从而对混沌映射不变分布作出大致的估计.由此可以利用符号计算的方法求解得到迭代函数系统不变分布的密度近似函数,从而逼近理论解.用几个计算实例和常见数值解法作了比较,试验结果表明符号计算方法具有一定的优势.     

单峰分布枢轴量的等尾与等高置信区间的比较

对枢轴量G的分布具有单峰密度函数的情形,证明了G的最短置信区间是满足置信区间端点密度函数值"等高"条件的置信区间.还对枢轴量分布为正态分布、t分布、卡方分布、F分布、伽玛分布和对数正态分布情形下,在Excel中进行了搜索式数值计算,并列表比较了"等尾"和"等高"情形下置信区间的长度,验证了上述分析结论.另外,还讨论了枢轴量的最短置信区间与枢轴量中所含参数的最短置信区间的关系.     

缺失数据下估计方程的经验似然推断

将逆概率加权法和推广的逆概率加权法用于缺失数据下估计方程经验似然推断中,得到两种参数估计的渐近性质.同时可以得到两种方法所对应的估计方程是无偏的,相应的经验似然统计量都渐近卡方分布,从而避免的调整经验似然.数值模拟也进一步显示了两种方法的优势.