半参数时变系数模型的序列相关检验

本文提出了两个统计量来检验半参数时变系数模型的序列相关:一个用于检验半变系数时序模型的有限阶序列相关,另一个用于检验半变系数平行数据模型的有限阶序列相关.在误差过程为鞅差的零假设下,所提出的两个检验统计量服从渐近正态或卡方分布.蒙特卡罗模拟研究表明所提出的检验统计量具有良好的有限样本性质.     

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.     

变系数ARCH-M模型的ARCH效应检验

本文考虑变系数ARCH—M模型,构造了非参数部分和参数部分的截面似然估计。基于估计的渐近性质,构造了Wald检验统计量来检验模型是否具有条件异方差性。数值模拟结果表明,所构造的估计和Wald统计量具有良好的有限样本性质。     

协整关系中门限效应的Wald检验

在协整的三角表示形式中,利用Wald检验方法检验协整回归关系中存在的门限非线性.在线性协整的原假设下构造了Wald统计量及其泛函形式,给出了不依赖于门限参数的极限分布.利用模拟计算研究了所提检验的有限样本性质.对不同到期时间的债券利率进行检验,结果表明利率之间具有门限协整关系.     

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.     

缺失数据均值推断的经验似然方法

研究了缺失数据的均值推断问题.在随机缺失及半参数模型的假设下,设计了基于影响函数理论的经验似然推断方法,证明了所构造的对数经验似然比检验统计量具有非参数Wilks性质.此外,该经验似然方法可以利用辅助协变量中提供的附加信息来提高检验的功效.在近邻备择假设下,计算了检验统计量的功效,并且通过一些模拟考察了该方法在有限样本下的表现.     

带线性时间趋势的分位数回归协整模型检验

协整检验是进行回归分析的首要过程,是避免伪回归的主要方法.然而,大多数协整检验技术都是建立在非稳健的普通最小二乘框架下.这对于普遍具有尖峰厚尾的时间序列来说,可能会导致统计检验的失效.为了解决这个困难,本文提出带线性时间趋势模型的分位数回归协整检验方法.不同于传统的静态协整分析,我们构建了一个分位数残差累积和(QCS)统计量来检验不同分位点上变量间的动态协整关系.应用分位数回归和泛函极限理论,推导出了统计量的渐近分布,并提出了修正的QCS统计量,拓展了其在序列相关以及长期内生性模型中的应用.模拟给出了统计量的临界值并证明了本文的协整检验方法具有良好的有限样本性质.最后,利用所提方法,检验了可支配收入与实际消费之间的动态协整关系,发现随着分位点的增大,它们之间的协整关系越强.     

缺失数据均值推断的经验似然方法

研究了缺失数据的均值推断问题.在随机缺失及半参数模型的假设下,设计了基于影响函数理论的经验似然推断方法,证明了所构造的对数经验似然比检验统计量具有非参数Wilks性质.此外,该经验似然方法可以利用辅助协变量中提供的附加信息来提高检验的功效.在近邻备择假设下,计算了检验统计量的功效,并且通过一些模拟考察了该方法在有限样本下的表现.     

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.     

固定效应空间误差分量模型的空间相关性检验

本文研究固定效应设定下,空间误差分量(Spatial Error Components,SEC)模型的空间相关性边际检验、条件检验和转换检验.Monte Carlo模拟实验证明,转换检验有更小的水平扭曲和优越的检验功效,且不受固定效应大小影响,是经济计量实证中理想的检验统计量;转换检验有限样本性质受空间权重矩阵的选取和...