确定假设检验拒绝域的证据原理

基于假设检验的证伪逻辑,阐述了确定拒绝域的证据原理.假设检验的核心思想是考察样本提供的信息与原假设之间的不一致性,也即考察样本对备择假设成立是否提供有力证据.基于小概率原理的显著性水平只是证据不符程度的一个阈值而已,强调"反证法"的思想有可能会误入歧途.     

关于区间估计和假设检验的一点注记

给出了当枢轴量和检验统计量的分布密度为单调函数时,寻找最优置信区间方法,并说明了在此条件下进行假设检验选择单侧拒绝域的合理性。     

有界区间假设检验问题的研究

提出原假设为一个有界区间时的假设检验问题,给出了求这种假设检验的接受域、拒绝域、犯两类错误概率的方法,举例说明了这种假设检验在实际中的广泛应用.     

关于单侧检验拒绝域的证明及假设检验的概率实质

根据假设检验的基本思想 ,阐明了“检验规则”的实质 ;根据小概率原理 ,完善了对单总体参数单侧检验拒绝域的理论证明 ;根据假设检验中的参数是一个未知的常数而不是一个变量的观点 ,揭示了单侧检验的概率实质 .同时 ,还提出了单侧检验中的两个易被忽视的问题及其解决方法 .最后 ,对假设检验中的一些基本概念给出了几点简要的评注 .     

一类单参数假设检验拒绝域的直观构造法

本文提出直观法的理论 ,举出用直观法构造单参数假设检验拒绝域的应用实例 ,并得出构造形如 ( * )式的检验拒绝域的一种方法     

一类单参数假设检验拒绝域的直观构造法

本提出直观法的理论,举出用直观法构造单参数假设检验拒绝域的应用实例,并得出构造形如（*）式的检验拒绝的一种方法。     

双侧参数假设检验中原假设的选择

假设检验的原假设的设立原则为保护原假设.这一原则一般只适用于单侧假设检验问题.而对于双侧参数假设检验,通常只把参数相等的假设设为原假设,并不需要遵守上面的原则.这一现象在教科书中的解释并不是很充分,本文在正态分布总体的前提下,从功效函数和小概率事件原理等角度给出这一问题的较为详细的统计解释.     

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.     

变系数部分线性模型的拟合优度检验

本文考虑变系数部分线性模型的拟合优度检验问题.基于Profile经验似然方法,构造了参数部分和非参数部分的经验似然比检验统计量.并证明了其满足Wilks'现象,进而得到了一定置信水平的拒绝域.最后通过数据模拟,讨论了其检验功效.     

具有随机删失数据的部分线性模型的拟合优度检验的渐近性质

研究随机删失部分线性回归模型的假设检验问题. 提出了一个检验统计量来检验数据是否满足一个部分线性回归模型, 它是基于残差的cusum过程的平方形式. 研究了零假设下和局部对立假设下检验统计量的渐近分布. 数值模拟表明该检验方法有好的检验功效.     

Panel数据模型的参数bootstrap推断

利用广义p值和参数bootstrap方法,研究了Panel数据模型中未知参数的假设检验问题.对于回归系数,基于最小二乘估计和两步估计方法,考虑了非齐次线性假设检验问题.对于方差分量,研究了单边假设检验问题.进而利用Monte Carlo方法进行模拟研究.模拟结果表明,参数bootstrap检验方法既能较好控制犯第一类错误的概率,又具有较高的功效,且大多数情况下优于广义p值检验方法.     

回归模型的同方差检验

本文利用局部经验似然和WNW方法对条件分布函数和条件分位数进行估计,并利用条件分位数的方法对回归模型中的误差方差进行了同方差假设检验,获得了零假设下检验统计量的渐近分布为X2分布．模拟计算表明同方差假设检验的条件分位数方法具有较好的功效．     

VaR的统计检验

根据VaR的基本原理,对VaR的有效性进行了讨论.关于VaR提出了一个基于二点分布的检验模型,证明了存在一致最优检验,并给出了检验的表达式和拒绝域,同时鉴于金融数据的庞大性,又提出了基于渐近正态分布的检验模型,给出了检验的表达式和拒绝域.     

线性混合模型中方差分量的广义推断

本文考虑了线性混合模型中方差分量的假设检验和区间估计问题.基于广义P-值和广义置信区间的概念,构造了对应于随机效应的单个方差分量的精确检验和置信区间.所构造的广义p-值和广义置信区间是最小充分统计量的函数.对于两个独立线性混合模型中对应于随机效应的方差分量的比较,建立了精确检验和置信区间.进-步,研究了所给检验和置信区间的统计性质,给出了这些检验方法与文献中已有方法的功效比较的模拟结果.模拟结果表明,新检验在功效方面有显著的改进.最后,通过-个实例来演示本文方怯.     

多项分布最大概率的检验

考察了对多项分布最大概率p_[1]的单边假设检验. 将Ethier (1982)的一个小样本检验推广到了一般情形. 基于一个对p_[1]的估计, 给出了一类大样本检验. 求出了在局部备择假设下以上这些检验的渐近功效. 最后给出了一个实例分析.     

含结构零2×2表中风险比齐性检验的样本量研究

本文研究了在临床和流行病学中出现的K个独立含结构零的2×2列联表.利用风险比推导出基于Wald型,基于对数变换型以及基于Score型的三个检验统计量,以检验层间齐性假设,获得了分别基于这三个检验统计量的控制功效的样本量公式和数值实验结果.模拟研究表明基于Score检验和基于对数变换检验的样本量公式比基于Wald检验的样本量公式更精确,更能有效保证预先给定的功效.推广了基于列联表问题的假设检验方法.     

完全随机缺失数据下配对试验的Bayes分析

采用Bayes分析方法,对完全随机缺失下配对试验设计数据进行统计分析,给出了参数的Bayes后验概率密度函数及参数的置信区间计算表达式,并对基于Bayes分析的假设检验功效进行了模拟.从模拟结果看,Bayes分析检验功效一致性地高于缺失数据配对删除的t检验方法,特别,在缺失数据相对较多或配对数据相关系数较低时,其表现出更大优势.     

偏正态非平衡面板单因素随机效应模型的Bootstrap推断

针对偏正态非平衡面板单因素随机效应模型,文章研究了回归系数和方差分量函数的假设检验和区间估计问题.首先,基于矩阵分解技术,给出回归系数的精确检验方法.其次,利用Bootstrap方法和广义方法,构造单个方差分量、方差分量之和的检验统计量和置信区间.再次,建立方差分量之比的精确检验和近似检验.文章证明了所给检验方法和置信区间的变换不变性等理论性质.Monte Carlo结果表明,对于所设参数和样本量,文章所给方法在犯第一类错误的概率和功效意义下,具有统计优良性.最后,将上述方法应用于汽油消耗量的案例分析.     

基于似然比族的一种渐近展开方法

研究假设检验问题中在适当的备选假设条件下基于似然比许愿 其计量的分布的渐近展开问题，当τ＝τ（ｎ）→０时，获得了形为Ｏ的收敛速度，并对独立同分布随机变量和与Ｌ统计量给出了其分布函数渐近展开式的具体形式。     

EM算法在假设检验中的应用

给出了EM算法在统计中一个新的应用领域——假设检验. EM算法通常是用来求解模型参数极大似然估计的一种有效的迭代算法. 这种算法利用数据扩张, 将比较复杂的似然函数的最优化问题化成一系列比较简单的函数的优化问题. 而对于一个模型来说, 假设检验往往比极大似然估计更为复杂. 所以有必要找到简单的方法解决假设检验中的较为复杂的优化问题. 所给出的方法不是建立在大样本理论基础上, 因此特别适合于中小样本情形.