非正态情形下过程能力指数的近似置信限

文章讨论了当过程不满足正态性假设的情形下过程能力指数的近似置信限,并以Weibull分布为例给出了指数C′_(pm)的近似置信区间的具体形式和假设检验的检验统计量。最后给出了模拟验证。     

一类相合的分位点型检验

广义非参数似然比检验统计量是一类很广的统计量,包含了众多重要的检验统计量,如Anderson-Darling(AD)等.利用Rubin的随机经验分布函数替代经验分布函数的方法,得到了广义非参数似然比检验统计量的新版本,构造了新的检验统计量.由于新的检验统计量在给定样本下仍然是随机变量,选择了它的分位点和期望作为检验统计量,分别称之为分位点型检验统计量和期望型检验统计量.在简单假设情况下,证明了分位点型检验统计量和期望型检验统计量在固定备择下的相合性.模拟结果显示,在某些备择下,新的检验的功效明显高于原有的基于经验分布函数的检验的功效.     

长相依序列均值变点检测

研究了长相依序列均值变点检测问题.首先给出变点检验的Ratio统计量其次分别推导了原假设和备择假设下统计量的极限分布,最后用蒙特卡洛方法模拟出检验的临界值,并通过数值模拟和实例分析说明方法的有效性.     

完美和非完美两阶段排序集抽样下几类正态性检验的功效与AUC研究

检验功效和ROC曲线下面积(AUC)是反映统计检验判别能力的重要工具.文章在简单随机抽样(SRS)、排序集抽样(RSS)和两阶段排序集抽样(DRSS)下研究了Cramer-vonMises检验、Kolmogorov-Smirnov检验、Kuiper检验、Anderson-D arling检验和Jarque-Bera检验这五种正态性检验在完美和非完美排序情况下的检验功效和AUC,并通过蒙特卡洛模拟给出了各正态性检验在不同备择假设情况下的功效值和AUC值.根据模拟结果可得到以下结论:无论是在完美还是非完美排序情况下,基于RSS和DRSS的五种正态性检验功效和AUC均显著高于基于SRS的正态性检验,且基于DRSS的正态性检验在大部分情况下具有最高的数值.     

因变量缺失下部分线性可加模型的估计和检验

本文研究部分线性可加模型在因变量存在缺失情形下的统计推断问题. 首先基于完整数据方法提出了参数分量的Profile 最小二乘估计并证明估计量的渐近正态性. 为了给出参数分量的区间估计,构造了渐近分布为卡方分布的经验似然统计量. 为了检验参数分量的线性约束条件, 构造了调整的广义似然比检验统计量, 当原假设成立时其渐近分布为卡方分布,从而将广义似然比检验推广到了缺失数据情形. 最后通过数值模拟验证所提方法的有效性.     

因变量缺失下部分线性可加模型的估计和检验（英文）

本文研究部分线性可加模型在因变量存在缺失情形下的统计推断问题.首先基于完整数据方法提出了参数分量的Profile最小二乘估计并证明估计量的渐近正态性.为了给出参数分量的区间估计,构造了渐近分布为卡方分布的经验似然统计量.为了检验参数分量的线性约束条件,构造了调整的广义似然比检验统计量,当原假设成立时其渐近分布为卡方分布,从而将广义似然比检验推广到了缺失数据情形.最后通过数值模拟验证所提方法的有效性.     

协变量维数可以趋于无穷的纵向数据的广义估计方程分析

广义估计方程(GEE)是分析纵向数据的常用方法.Balan,Schiopu-Kratina(2005)研究了协变量维数固定,GEE估计的渐近正态性.WANG(2011)研究了协变量维数趋于无穷,GEE估计的渐近正态性和响应变量是两点分布Wald统计量的渐近分布.本文证明协变量维数是固定的或趋于无穷,响应变量是任意分布的Wald统计量的渐近分布是卡方分布,Wald统计量可以直接用于统计推断.     

广义空间模型的方差齐性检验

研究了广义空间模型的方差齐性检验问题,在异方差情形下导出了Score检验统计量的具体形式和近似分布.分别应用于混合空间自回归模型和空间误差模型,给出了相应的检验统计量和渐近分布.并利用Monte Carlo模拟对检验统计量的性质进行分析.最后,通过中国能源利用效率的区域特征数据证明了方法的有效性.     

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.     

正态密度比的假设检验

本文讨论对两样本正态分布密度比的假设检验.给出了基于统计量渐近正态性的大样本检验和广义$p$-值检验并给出了广义$p$-值检验的一些频率性质.模拟表明广义$p$-值检验在小样本情形下的表现优于大样本检验.     

基于病例队列数据的比例风险模型的诊断

病例队列设计是一种在生存分析中广泛应用的可以降低成本又能提高效率的抽样方法.对于病例队列数据,已经有很多统计方法基于比例风险模型来估计协变量对生存时间的影响.然而,很少有工作基于病例队列数据来检验模型的假设是否成立.在这篇文章中,我们基于渐近的零均的值随机过程提出了一类检验统计量,这类检验统计量可以基于病例队列数据来检验比例风险模型的假设是否成立.我们通过重抽样的方法来逼近上述检验统计量的渐近分布,通过数值模拟来研究所提方法在有限样本下的表现,最后将所提出的方法应用于一个国家肾母细胞瘤研究的真实数据集上.     

条件分布对称性的一个一致性检验及渐近正态性（英文）

本文研究了条件分布对称性检验的问题.借助能量距离的概念与思路,提出了条件能量距离的概念.基于条件能量距离构造出一个新的条件分布对称性的检验统计量,该统计量具有带随机核的U-统计量的形式.利用带随机核U-统计量理论证明得到该检验统计量的一致性及在原假设下的渐近正态性的结果.     

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.     

基于随机加权的空间聚集性检验及其在基础教育师资均衡性评价中的应用

使用空间统计检验方法研究北京基础教育资源分配的均衡性问题.对于空间分布均匀性的检验,常用的统计量是Moran's I统计量.但基于Moran's I统计量做推断的时候,人们往往用渐进正态分布或者用Bootstrap反复抽样得到经验分布来进行.提出使用随机加权法进行统计量的经验检验.Jin和Lee(2014)文中得出基于Bootstrap的Moran's I统计量满足一致逼近和渐进正态等性质.采用类似的统计工具证明了基于随机加权得到的统计量的渐进分布也满足这些良好性质.填补了用随机加权法在空间统计量的推断中理论保证的空白.通过模拟研究,证明了所提算法的有效性.方法应用于北京基础教育的师资-适龄儿童数比例,师资-在校生数比例的空间聚集性检验中得到了良好的应用,并与其它检验方法所得结论进行比较.结论显示在不同相邻概念(地理相邻、政策空间相邻)下,方法得到的结论符合常理.     

广义Pareto分布变点检测似然比模型

为检测极端事件的状态变化,基于似然比方法研究了广义Pareto分布(Generalized Pareto Distribution,GPD)变点检测模型.考虑三参数GPD变点的检验问题,提出了最大似然比检验统计量.通过证明参数变换后GPD的对数似然和检验统计量的一系列极限性质,得到了检验统计量的渐近分布.通过模拟研究,对该方法的有限样本性质进行了评价,实例分析也验证了该方法的可行性.     

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.     

面板数据交互固定效应模型的方差分量检验

研究了面板数据交互固定效应模型中方差分量的检验问题.首先依据模型中误差项的估计构造辅助回归模型,然后根据该辅助回归构造检验统计量,对模型中的异方差性进行检验.进一步,通过构造不同的辅助回归模型和检验统计量可以判别异方差的来源.在一定正则条件下,得到了检验统计量在原假设和备择假设下的渐近分布,并说明所提出的检验方法不依赖于误差分布.最后,通过模拟研究对本文的检验方法进行评价,说明所提检验方法是有效的.     

含估计参数的加权经验过程

在讨论(广义)非参数似然比拟合优度检验时,加权经验过程理论是一个非常重要的基础.但对含估计参数的加权经验过程理论,目前文献中很少讨论.对含估计参数的加权经验过程的上界型和积分型两种统计量的近似分布进行了讨论,给出了较一般的结果.所得结论叮以为进一步讨论复合零假设下(广义)非参似然比拟合优度检验提供理论基础.     

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。