单向分类随机效应模型的异常值检测

本文研究平衡的单向分类随机效应模型中单个异常值的检验问题,在随机效应的异常均值滑动模型下,导出异常值的检验统计量及其精确分析,并证明了该检验的一致最优无偏性,另外,对于误差变量的异常均值滑动模型,提出了一个近似的检验过程,并运用随机模拟给出该检验的临界值表,最后,对一组模拟数据进行说明。     

双向分类随机效应套模型中异常值的UMPU检验

本文就平衡的（Balanced）双向分类随机效应套模型，讨论了主效应均值滑动模型的异常值检验问题，并给出了似然比检验统计量．在零假设及备择假设下导出了检验统计量的分布，证明了检验的一致最优无编（UMPU）性．最后对相关问题进行了讨论．     

空间误差模型的多个异常值得分检验

本文研究了空间误差模型(SEM)中多个异常值的检验问题,基于均值漂移模型和方差加权模型这两种异常值模型给出了得分检验统计量的具体形式及其渐近分布。并应用实例分析验证了检验统计量的有效性,最后给出了修正模型的方法。     

正态总体均值与标准差比在序约束下的广义p值检验

本文利用广义$p$\,-值和U-I检验法研究了多个正态总体均值与标准差比在简单半序和树序约束下的检验问题. 提出了广义检验变量, 得到了多个正态总体均值与标准差比在简单半序和树序约束下检验问题的广义$p$\,-值. 同时运用Monte Carlo方法给出了模拟结果.     

Meta回归模型的异常值识别及其修正

基于异常值对异质性参数和回归系数估计同时影响的这一新视角下,文章利用方差加权异常值模型(variance-weight outlier model,VWOM)研究了随机效应Meta回归模型的多个异常值识别及其修正问题。首先,推导出Meta回归VWOM分别使用ML和REML估计方法的Score (SC)检验统计量,并考虑Meta回归VWOM的三种扰动方式,包括全局方差扰动,个体方差扰动和随机误差扰动,证明了三种方差扰动的SC检验统计量是等价的。其次,基于异常值对异质性参数和回归系数估计同时影响的考虑,提出了随机效应Meta回归方差加权异常值修正模型(variance-weight outlier modified model,VWOMM),并给出了VWOMM参数的ML和REML估计迭代算法并进行数值求解。此外,通过随机模拟分析验证了SC检验统计量的尺度和功效。最后,利用两个不同类型效应量异常值识别及其处理的实例分析结果,表明了Meta回归VWOM的SC检验统计量识别效果较为显著,VWOMM能有效改善模型拟合程度,为识别和处理复杂数据的异常值提供了一种新的思路和方法。     

广义空间模型的异常值检验

研究了广义空间模型中单个异常值检验问题.分别在均值漂移模型和方差加权模型下导出了检验统计量的具体形式,并给出了在两种异常值模型下检验统计量的近似分布.最后,通过哥伦布市社区犯罪数据证明了方法的有效性.     

正态总体均值与标准差比在序约束下的广p-值检验

本文利用广义p-值和U-I检验法研究了多个正态总体均值与标准差比在简单半序和树序约束下的检验问题．提出了广义检验变量,得到了多个正态总体均值与标准差比在简单半序和树序约束下检验问题的广义p-值．同时运用Monte Carlo方法给出了模拟结果．     

线性混合模型方差分量的检验

对于含有两个方差分量的随机效应设计阵为任意阵的线性混合模型的方差分量单边检验问题给出了精确的F检验和基于广义p值的检验.对于给出的精确的F检验给出检验存在条件以及是一致最优无偏检验的条件.通过数值模拟,基于广义p值检验的功效和犯第一类错误的概率被讨论,由模拟结果可以看出基于广义p值的检验很好地控制了犯第一类错误的概率.     

多个正态总体均值相等的VDR检验

本文将随机估计由一维参数扩展至多维参数,基于随机估计的密度函数提出VDR检验.在总体方差已知和未知的两种情形下,本文讨论多个正态总体均值是否相同的VDR检验过程,而且得到精确的检验.单因素方差分析是VDR检验的特例.模拟研究表明,VDR检验是一个普遍适用的方法.     

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.     

带有随机设计的非参数回归模型的异方差小波检验

该文讨论了带有随机设计的非参数回归模型的异方差小波检验. 首先给出了回归模型的条件方差函数的经验小波系数, 然后证明了它们是渐近独立和正态的. 基于 Fan (1996) 的方法, 构造了异方差检验统计量.最后通过数值模拟,作者检验了该文所提出的方法的有效性.模拟结果表明该文所提出的检验方法在水平和功效方面表现良好.     

混合线性模型效应参数的Bayes局部影响分析

该文研究混合线性模型效应参数的Ｂａｙｅｓ局部影响评价问题．导出了混合线性模型在各种扰动下效应参数的Ｂａｙｅｓ局部影响度量，并给出了平衡单向分类随机效应模型下的一些结果．最后通过实例分析，以证实该文方法的有效性．     

LR test for random-effects covariance structure in a parallel profile model

We consider a parallel profile model which is useful in analyzing parallel growth curves of several groups. The likelihood ratio criterion for a hypothesis concerning the adequacy of a random-effects covariance structure is obtained under the parallel profile model. The likelihood ratio criterion for the hypothesis in the general one-way MANOVA model is also obtained. Asymptotic null distributions of the criteria are derived when the sample size is large. We give a numerical example of these asymptotic results.     

基于Panel Data的中国农业发展因素的实证分析

本文利用1998-2004年我国29个省的面板数据,将农业生产的投入要素区分为物质性投入要素和非物质性投入要素,分别建立了中性技术和非中性技术条件下的C-D生产函数和扩展的C-D生产函数模型,对影响我国农业发展的因素进行了实证分析,并依据分析结果,对促进我国农业发展提出了政策建议.     

The performance of a dynamic stability test for moisture sensitivity

The quality of parameter estimates evaluated by the authors from dynamic stability tests which identify kinetic models in the presence of a continually changing moisture environment, is evaluated with respect to their static test counterparts using computer simulated tests. For both the static and dynamic tests, the results show that to gain statistical confidence in the parameter estimates, the relative experimental noise must be minimized (minimize the measurement error and maximize the extent of degradation). The dynamic test procedure yields parameter estimates with less confidence than the static test, because the total extent of degradation encountered within the test is less, hence the relative noise is higher. Therefore, the dynamic stability test is inferior to its static counterpart when all of the assumptions about the system are met, but since the dynamic test evaluates the model parameters under conditions similar to the real system, factors unconsidered in the model are minimized.     

Statistical inference of partially linear regression models with heteroscedastic errors

The authors study a heteroscedastic partially linear regression model and develop an inferential procedure for it. This includes a test of heteroscedasticity, a two-step estimator of the heteroscedastic variance function, semiparametric generalized least-squares estimators of the parametric and nonparametric components of the model, and a bootstrap goodness of fit test to see whether the nonparametric component can be parametrized.     

Tests for sphericity under correlated multivariate regression equations model

Summary In this paper, the authors investigated the asymptotic distribution theory connected with the likelihood ratio test (LRT)-like test statistic for sphericity under correlated multivariate regression equations (CMRE) model. An asymptotic expression is obtained for the null distribution of the above test statistic. Asymptotic nonnull distribution of the above test statistic under fixed alternatives is also derived. The above results are derived when the underlying distribution is multivariate normal. It was also shown that the above results are valid even when the joint distribution of the observations is elliptically symmetric. The authors also derived the asymptotic null distribution of the LRT-like test statistic when the observations on each variable are elliptically symmetric. This work was supported by the Air Force Office of Scientific Research under Contract F49620-82-K-0001. Reproduction in whole or in part is permitted for any purpose of the United States Government.     

关于数据缺失机制的检验方法探讨

在调查研究中,缺失数据是一个非常普遍的问题,各种处理缺失数据的方法都是建立在数据缺失机制的某种假定上.在总结他人研究成果的基础上,分别给出了MCAR、MAR和NMAR机制的检验识别方法,MCAR机制的检验从分布特征入手,通过比较均值和方差是否一致来判定;MAR机制的检验利用Logit模型刻画缺失指示变量R的分布,通过估计参数的显著性来判定,NMAR机制则通过对数据的缺失模式和原因进行分析来识别.     

Jackknife variance estimators of the location estimator in the one-way random-effects model

In a one-way random-effects model, we frequently estimate the variance components by the analysis-of-variance method and then, assuming the estimated values are true values of the variance components, we estimate the population mean. The conventional variance estimator for the estimate of the mean has a bias. This bias can become severe in contaminated data. We can reduce the bias by using the delta method. However, it still suffers from a large bias. We develop a jackknife variance estimator which is robust with respect to data contamination.This research was supported by the Korea Science and Engineering Foundation.