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.     

函数型二次模型的假设检验

本文研究了函数型二次回归中二次参数函数的显著性检验问题。采用函数型主成分分析将预测变量函数进行投影降维,利用零模型和全模型的残差平方和构造F型检验统计量。在一定的正则条件下证明了检验统计量在原假设下渐近于F分布,在备择假设下检验统计量依概率趋于无穷,从而表明该检验方法是相合的。进一步证明了在一定收敛速度的局部备择假设下,检验统计量渐近于非中心F分布。最后通过数值模拟研究了该检验方法在有限样本下的表现,并给出了一个实际例子进一步验证所提方法的有效性。     

预测回归模型序列相关性的Jackknife经验似然比检验

预测回归模型是计量经济学中的重要模型,而相关的序列检验问题在文献中尚未被提及.考虑到序列相关性检验在模型实证中的重要性,文章基于Jackknife经验似然法,构造了该模型的序列相关检验统计量,并在一定条件下推导了零假设成立时检验统计量的渐近分布,分析了它在局部备择假设下的功效情况,最后通过随机模拟和实际数据例子验证了该检验方法的有限样本性质.     

PLM中误差方差未知时的GLR

本文检验部分线性回归模型(PLM)中,误差的方差未知时,函数部分是否是线性函数,在备择假设下,先用局部多项式方法估计出函数部分,再估计参数部分.计算出了零假设下广义似然比(GLR)检验统计量的表达式,给出了它的渐近分布,并对结果进行了模拟.     

半参数可加测量误差模型的白噪声检验

当模型误差不是白噪声时,通常的估计方法无效,特别是当回归因子包含后延变量时,估计不相合.因此,文章研究了半参数可加测量误差模型的白噪声检验.提出了一个白噪声检验统计量,并在模型误差是白噪声的零假设下证明了所提检验统计量服从渐近正态分布.随机模拟表明所提出的检验统计量具有良好的检验功效和水平.     

非参数模型均值函数结构变点的Bootstrap检测

本文检测非参数回归模型均值函数结构变点,针对均值函数跃度的长期均值为零时,基于残量的CUSUM统计量对均值函数结构变点检验无效的问题,本文提出了一种基于均值函数的核估计的检验统计量,得到统计量在原假设和备择假设下的极限分布,并构造Bootstrap方法对非参数回归模型均值函数结构变点进行检验,证明了检验和估计的一致性;模拟结果表明本文方法明显优于已有方法。     

非虚假设综合卡方检验

目的：本文提出一种非虚假设综合卡方检验．它包括两种统计量。方法：以非虚假设取代虚假设分别由经典Cochran检验和Mantel-Haenszel检验推导出这两种统计量及其功效函数。并以MonteCarlo方法展示其行为．结果：所得两种统计量与其功效函数一一匹配。其观测功效与预定功效吻合。当最小临床承认差量取零时还原为经典检验．当只有一层时还原为Dunnett-Gent检验．当最小临床承认差量取零且只有一层时还原为两比例(率)检验．结论：对于以建立治疗一对照差临床意义或临床等效性为目的的分层两组临床试验。可用该检验进行分析。附有工作实例说明计算过程。     

线性度量误差模型的序列相关检验

回归模型的序列相关检验是经济和金融数据分析中的一项重要的工作.基于最小二乘残差,作者提出了一个检验统计量以检验线性度量误差模型的误差序列是否存在序列相关性.在零假设下,得到了检验统计量的渐近分布.数值模拟结果表明,这里提出的检验统计量具有良好的有限样本性质.     

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．     

完全区组设计下基于Aligned秩的有方向检验问题

本文基于Aligned秩给出了用于解完全区组设计有方向检验问题的, 我们称之为$C$-检验的检验方法. 本文分别对每个试验单元仅有一个观测值以及等重复观测值和不等重复观测值各种情形下的$C$检验进行了讨论, 并在原假设$H_0$成立时计算了上述各种情形下$C$检验统计量的数学期望和方差, 且证明了$C$检验统计量的渐近分布为正态分布.     

删截分布未知的多维随机删截数据的PP拟合优度检验

文[5]在假定删截分布已知的条件下,用投影寻踪（PP）技巧讨论了多维随机删截数据的PP拟合优度检验问题．本文讨论截尾分布未知时,多维随机删截数据的拟合优度检验问题,得到了检验统计量在零假设成立时的渐近分布,并讨论了其Bootstrap逼近．     

部分线性模型序列相关的经验似然比检验

本文研究了部分线性回归模型中误差的序列相关性的检验问题,用经验似然的方法构造检验统计量,得到了零假设下检验统计量的渐近分布,我们的检验方法不但可以检验一阶序列相关,也可以检验高阶序列相关,数值模拟表明检验方法有好的检验功效．     

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．     

随机PP Kolmogorov多维拟合优度检验乃其Bootstrap逼近

本文提出了一种基于随机选择投影方向的PP型棉球等高分布族的拟合优度检验，其特点是计算上较通常的PP检验统计量简单．得到了其检验统计量在零假设下的极限分布，讨论了其Bootstrap逼近及逼近的相容性．     

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．     

线性模型中M检验原假设分布的随机加权逼近

在线性模型中M-方法可以用于线性假设检验, 其中M检验、Wald检验和Rao的计分型检验是最常用的检验准则. 但是在计算这些检验的临界值时都涉及到未知参数的估计. 在本文中我们利用随机加权的方法来逼近这些检验的原假设分布. 结果表明在原假设和局部对立假设之下随机加权统计量的渐近分布与原检验统计量在原假设之下的渐近分布相同. 因此我们不需要对冗余参数进行估计,利用随机加权的方法就可以得到这些检验的临界值. 而且在局部对立假设之下可以实现对功效的计算. 当取不同的误差分布和不同的随机权时, 我们对本文的方法进行了蒙特卡洛模拟. 结果表明用随机加权方法来逼近原假设分布是非常精确的.     

线性模型中自相关的经验似然比检验

研究线性回归模型中的自相关检验问题,用经验似然的方法构造检验统计量,得到了零假设下检验统计量的渐近分布,我们的检验方法不但可以检验一阶自相关,也可以检验高阶自相关,数值模拟表明检验方法具有良好的检验功效.     

参数未知的PPNeyman拟合优度检验及其Bootstran逼近

设ｑ维总体Ｘ的分布函数为Ｇ（ｘ），对于零假设Ｈ０：Ｇ（ｘ）＝Ｆ（ｘ），在Ｆ（ｘ）完全已知时，文献［２］给出了其ＰＰＮｙｍａｎ型拟合优度检验。本文对Ｆ（ｘ）为含有未知参数的椭球分布情形，给出了其ＰＰＮｅｙｍａｎ到检验统计量，获得了检验统计量的极限分布，并给出了用Ｂｏｏｔ－ｓｔｒａｐ技巧确定其否定域临界值的方法．     

具有结构变化的非线性回归模型的阶段异方差检验

对于具有结构变化的非线性回归模型,两阶段的随机误差同时具有方差齐性是一个基本假设,但是该假设未必正确．本文研究该模型阶段异方差的检验问题．首先探讨了两阶段异方差的同时检验,然后构造了两阶段异方差的两个单个检验,分别得到了同时检验和单个检验的score统计量以及相应的调整形式．然后应用得到的检验统计量分析了南澳大利亚洋葱数据的阶段异方差性(Ratkowsky,1983),并用AIC,SBC进行模型比较,得到的结果与检验结果非常吻合．最后,用Monte Carlo模拟方法研究了统计量的检验功效．     

部分函数型线性空间自回归模型的假设检验

本文提出了部分函数型线性空间自回归模型的空间效应以及参数效应的假设检验问题.首先利用函数型主成分分析方法估计斜率函数,利用广义矩估计方法估计参数.然后利用得到的相合估计,在原假设和备择假设下,构造了基于残差平方和的检验统计量,同时给出了此检验统计量的渐近性质.模拟结果表明在有限样本下,检验统计量具有良好表现.最后将部分函数型线性空间自回归模型的检验应用到一个关于经济增长的数据案例中,说明所提出的检验统计量的应用表现.