基于M估计的线性混合效应模型中方差的齐性检验

本文对纵向数据的线性混合模型,用Fisher得分法得到了参数的M估计(稳健估计),给出了其渐近性质,研究了M估计下异方差的Score检验问题,并对检验统计量的功效进行了模拟,最后通过葡萄糖数据的实例说明了本文方法的有效性.     

基于M估计的纵向数据线性混合模型中方差的齐性检验

本文对纵向数据的线性混合模型,用Fisher得分法得到了参数的M估计(稳健估计),给出了其渐近性质,研究了M估计下异方差的Score检验问题,并对检验统计量的功效进行了模拟,最后通过葡萄糖数据的实例说明了本文方法的有效性。     

指数族非线性混合效应模型基于$Q$函数的数据删除度量

对指数族非线性混合效应模型, 本文基于$Q$函数(朱宏图, 2001)方法, 给出几种度量数据删除影响的统计量\bd 其主要思想是将随机效应视为缺失数据, 并利用EM算法来处理完全数据对数似然函数的条件期望\bd 一个实际例子说明我们方法是有效的     

基于纵向数据的ZIP和ZIB非线性回归模型的随机效应存在性检验(英文)

本文研究了基于纵向数据的ZIP和ZIB模型的随机效应存在性检验问题.采用score检验方法,得到了,可用矩阵表示的score检验统计量.最后,用一个数据实例说明检验方法的有效性.     

部分线性混合效应模型的有效估计（英文）

本文我们给出部分线性混合效应模型的有效估计方法.首先,我们使用广义最小二乘估计和B样条方法去估计未知量,然后利用惩罚最小二乘方法得到随机效应项的估计.接着我们还考虑了方差分量的估计.和现有的方法相比,我们的方法表现更好.此外,我们还给出了估计量的渐近性质.最后,模拟研究被用来评价我们的估计方法的表现.     

(ρ)混合样本线性模型M估计的强相合性

研究了(ρ)混合样本线性模型中的M估计,在较弱的矩条件下,获得了M估计是强相合估计的充分条件.与相应结论比较,有了较大的实质性改进.     

基于M估计的稳健单指数投资组合模型

针对单指数投资组合模型,用稳健的M估计去估计模型参数,减少了样本数据异常值对模型的影响,并对沪市权重股进行了实证检验,得到了投资组合的有效前沿。     

重复试验随机效应模型误差方差的齐性检验$(k=2)$

本文对重复试验次数为2的随机效应方差分析模型, 给出了误差方差齐性, 即$H_0:\sigma_1^2 =\sigma_2^2\leftrightarrow H_1:\sigma_1^2\ne\sigma_2^2$的一种具有相合性的检验方法\bd 并对三个常见模型给出了检验统计量和拒绝域的具体表达式, 最后是两个应用实例\bd     

非线性回归模型M估计矩的计算

非线性回归模型Ｍ估计矩的计算韦博成冯予（东南大学数学系，南京２１００１８）ＯＮＣＡＬＣＵＬＡＴＩＮＧＴＨＥＭＯＭＥＮＴＳＯＦＭＥＳＴＩＭＡＴＯＲＩＮＮＯＮＬＩＮＥＡＲＲＥＧＲＥＳＳＩＯＮ￥ＷＥＩＢＯＣＨＥＮＧ；ＦＥＮＧＹＵ（ＤｅｐａｒｔｍｅｎｔｏｆＭ...     

带寿命数据非线性随机效应模型的置信域(英文)

本文对带寿命数据非线性随机效应模型,建立了微分几何框架,推广了Bates Wates关于非线性模型几何结构.在此基础上,我们导出了关于固定效应参数和子集参数的置信域的曲率表示,这些结果是Bates and Wates(1980),Hamilton(1986)和Wei(1998)等的推广.     

基于M估计的线性混合模型的局部影响分析

对纵向数据的线性混合模型,用Fisher得分法得到了参数的M估计(稳健估计),给出了其渐近性质,利用影响曲率研究了M估计下的随机误差方差扰动的局部影响分析问题,并通过葡萄糖数据的实例进行了分析论证.     

因果关系模型的估计与检验(Ⅱ)

三、相关系数的分解 我们可以用四种效应来重新生成变量间的相关系数,或者说,把相关系数分解成四部分. 1.直接效应(D):用路径系数表示.例如在图2-1中,X1对Y1的直接效应由Py1x;给出. 2.间接效应(I):指的是一个独立变量通过直接地或间接地影响某一应变量的第三变量来影响该应变量的情况.例如在图2-1中,X1通过Y1给Y2以一个间接效应,其大小由两个路径系数之积Py1x1 Py2y1给出. 3.伪效应(S):指的是由于共同的起因对两个变量的相关系数产生的“效应”例如在图2-1中,变量Y1与Y2分享两个共同的起因X1和X2.这两个共同的起因对Y1和Y2的相关系数…     

因果关系模型的估计与检验(I)

本文介绍一种用于结构方程式系统的一般方法,简称为LISREL(Linear Sructuralrelations).具体地说,这是一种建立、估计和检验因果关系模型的方法.模型中既包含有可观测的显在变量,也可能包含有无法直接观测的潜在变量.这一模型与方法是K.J-oreskog与其合作者在70年代提出并逐步改进完善的.其相应的LISREL软件也已被越来越多的实际研究工作者所采用.人们已经开始理解这种模型的优点,它可以用于估计无法观测的参数结构,同时检验因果关系模型中的各个假设。例如在本文将要自始至终地引用的一个实例中,我们可以看到利用这一方法怎样同时引…     

因果关系模型的估计与检验(Ⅳ)

除了以上几种特有的评价手段之外,LISREL也提供一般统计软件常用的标准误差、残差图等信息.此外,输出中还可以给出变量对变量的直接效应、总效应等有用的结果. 4 LISREL例 最后,为了让读者对LISREL有一个基本的比较直观的印象,本节选用几个简单的应用例,来源为例1—1所述的Bagozzi(1980)的研究.由于历史上的原因,除最后一例为LISREL 7的结果外,前三例采用的场为LISREL 4,而且输入的也是观测变量的相关矩阵.虽然分析协方差矩阵可以得到比较合理的X2值和标准误差,但在前三例中,所求出的X2值和T值也近似地当作检验统计量来使用而…     

因果关系模型的估计与检验(Ⅲ)

§3 LISREL 上一节我们介绍了路径分析的方法,可以用来研究和解决一些比较简单直接的因果关系模型的分析问题.其计算实际上也可以借助于一般通用的统计软件中的回归分析来进行.例如路径系数实际上就是标准回归系数等等.但是,路径分析的应用有很大的局限性,主要表现在: 1.路径分析无法处理复杂的因果关系模型,特别是含潜在变量的情形.与回归分析相似,除误差项外,路径分析所涉及的变量都必须是可以直接观测的.这对于许多领域的研究,特别是社会科学、行为科学等领域的研究是十分不便的.在这些领域中,常常要处理诸如“态度”、“智力”、“满…     

`CH~2中齐性曲面的分类(英文)

ＣＨ~２中的曲面 Ｍ称为（局部）齐性的,如果对任何一对点 ｐ,ｑ,存在变换。 σ　Ｕ（１,２）把含ｐ的一个邻域变为含ｑ的邻域,且把ｑ变为ｑ．本文给出ＣＨ２中齐性曲面的完全分类．     

具有AR(1)误差的线性随机效应模型中方差齐性和自相关性的检验

在回归分析中，方差齐性是一个很基本的假设．本文对具有AR(1)误差的线性随机效应模型，研究了方差齐性和自相关性的检验问题．我们分别讨论了随机误差异方差、随机效应异方差、多元异方差以及自相关性的检验问题，并用score检验方法给出了三种方差齐性和自相关性的检验统计量．随机模拟的结果表明，当样本容量较大时，检验的功效较好．本文还给出一个数值例子说明检验方法的实用性．另外，模型的结果也可以推广到非线性情形．     

混合线性模型M估计的强相合性

研究了ρ~混合样本线性模型中回归参数M估计的强相合性, 在较弱的矩条件下, 获得了M估计是强相合的充分条件, 实质性地改进和推广了文［1］定理3.1.     

固定效应面板数据部分线性模型的加权截面LSDV估计(英文)

本文考虑误差为自回归过程的固定效应面板数据部分线性回归模型的估计.对于固定效应短时间序列面板数据,通常使用的自回归误差结构拟合方法不能得到一个一致的自回归系数估计量.因此本文提出一个替代估计并证明所提出的自回归系数估计是一致的,且该方法在任何阶的自回归误差下都是可行的.进一步,通过结合B样条近似,截面最小二乘虚拟变量(LSDV)技术和自回归误差结构的一致估计,本文使用加权截面LSDV估计参数部分和加权B样条(BS)估计非参数部分,所得到的加权截面LSDV估计量被证明是渐近正态的,且比可忽略误差的自回归结构模型更渐近有效.另外,加权BS估计量被推导出具有渐近偏差和渐近正态性.模拟研究和实际例子相应地说明了所估计程序的有限样本性.