部分线性面板数据模型中个体效应的Bootstrap Hausman检验

对于面板数据模型而言,为了提高估计和预报的精度,区分个体固定效应和个体随机效应非常重要。 针对部分线性面板数据模型,在小样本下采用参数 Hausman 检验方法来识别模型中的个体效应,并通过 Bootstrap 抽样方法求得统计量的上分位点进而构造假设检验的拒绝域。 模拟结果显示,此检验的稳健性和可靠性比现有的非参数检验高,且在计算量和计算时间上有较大优势。     

部分线性固定效应面板数据模型的序列相关检验

考虑了部分线性固定效应面板数据模型的序列相关检验问题,基于差分方法和B样条展开得到了模型中未知参数和非参数分量的估计,进而构造了检验统计量。在原假设成立的条件下证明了所构造的检验统计量具有渐近标准正态分布,并通过数值模拟研究了所提出的估计和检验方法在有限样本下的表现。     

非平衡单向分类随机效应模型的异常值检验

研究了非平衡单向分类随机效应模型中多个异常值的检验问题.分别在随机效应及误差变量上的均值滑动模型下,给出了得分检验统计量的具体形式及近似分布.通过随机模拟,证实了方法的有效性.     

具有线性趋势回归信度模型的随机效应及线性趋势的Score检验

讨论了具有线性趋势的回归信度模型的随机效应和线性趋势的Score检验问题.首先分别推导出模型中随机效应存在性和线性趋势显著性这2种检验的Score检验统计量,然后利用Monte-Carlo方法分别模拟了此2种检验统计量的功效.功效模拟结果显示,2种检验统计量都有很好的检验效果.最后利用所得到的检验方法对旅客意外身体伤害保险数据进行了实例分析,分析结果表明,该数据集的随机效应是存在的,线性趋势也是显著的.     

相依误差下非参数回归模型的方差变点Ratio检验

运用Ratio检验方法研究相依误差下非参数回归模型的方差变点检验.首先利用核估计方法估计模型中的回归函数得到残差序列,其次利用残差序列构造Ratio检验统计量,并推导检验统计量的极限分布,最后通过数值模拟验证检验方法的有效性.     

函数带误差的部分线性模型约束下的统计推断

考虑函数带误差的部分线性模型,研究约束条件下参数分量的统计推断.首先提出参数的约束估计并证明其渐进正态性;同时基于广义似然比统计量提出一种检验过程,并证明了即使在一般条件下函数中误差的Wilks现象仍然存在;最后,通过数值模拟检验约束估计值的一致性和检验统计量的有效性.     

基于Wild Bootstrap 非参数方法的AR模型线性检验

介绍了AR模型线性的非参数核检验统计量,并对检验统计量进行了检验水平和检验势的Wild Bootstrap模拟.模拟结果显示,非参数核检验统计量的Wild Bootstrap检验稳健性和可靠性都比渐近检验高,TAR与双线性AR模型比其他3种AR的检验势高.     

Buhlmann-Straub信度模型的估计与检验

研究了Buhlmann-Straub信度模型的参数估计和随机效应的检验,以及它们的统计性质. 参数估计采用两步估计法,用F检验对随机效应进行检验.在两步估计法中, 利用正交变换得到了总平均的估计, 然后采用拟合常数法得到了方差的估计,并证明了该估计是无偏估计.通过残差平方和构造了F检验统计量对是否有随机效应进行检验,并得出了检验的势函数是检验方差的增函数.最后将估计和检验的方法应用到实例中, 得到了较好的效果.     

具有Rao简单结构的多元t-模型位置参数的似然比检验

在统计推断中,模型中未知参数的假设检验是一个重要的研究内容.本文利用似然比检验研究了具有Rao简单结构多元t-模型位置参数的假设检验,得到了检验统计量的零分布,用蒙特卡洛方法模拟了理论结果.     

我国区域人才流动动因研究——基于2002～2012年面板数据的回归分析

基于现有理论基础,建立了影响人才流动的指标体系,分别采用混合回归模型、个体固定效应回归模型和个体随机效应回归模型实证检验了影响区域人才流动的影响因素,通过F检验和Hausman检验对模型形式进行判别.研究表明地区经济发展水平、地区收入水平、产业结构、科研环境对人才流动的影响最为显著,且各地区人才流动影响因素各有特点.     

半参数回归模型的局部多项式光滑

利用最小二乘局部多项式方法建立了半回归模型参分量和非参数分量的局部多项式估计,在适当条件下,得到了它们的渐近正态性和最优弱收敛速度。     

半参数回归模型局部多项式估计的渐近性质

利用最小二乘局部多项式方法建立了半参数回归模型参数分量、非参数分量和误差方差的局部多项式估计,在适当的条件下,得到它们的渐近正态性和最优收敛速度。     

随机删失场合下部分线性模型的最近邻估计

主要讨论了随机删失场合下,误差为NA序列时的部分线性模型,利用基于分布函数的最近邻估计和最小二乘法,给出了部分线性模型的参数和非参数部分估计,并得到了参数估计o(n-1/4)的收敛速度和非参数部分的强相合性.     

部分线性模型M估计的弱收敛性

为得到部分线性模型中未知函数和未知系数的稳健估计,讨论了部分线性模型的M估计,用局部线性方法给出常系数的初估计,再用平均方法给出常系数的M估计,用两步方法给出函数系数的M估计,并进一步证明了未知函数和参数估计的弱一致性。     

体育科研中的统计学概念辨析

结合体育科研中经常产生疑问的9对统计学概念进行列举辩析，旨在提高体育科研的定量化水平。这9对统计学概念是：信度与效度、变量层次与数学模型、参数检验与非参数检验、均数的假设检验与标准差的假设检验、假设检验与方差分析、单侧检验与双侧检验、有显著性差异与无显著性差异、相关系数的显著性水平与相关的密切程度、统计学与体育学。     

Nonparametric Regression Combining Linear Structure

Nonparametric models are popular owing to their flexibility in model building and optimality in estimation. However nonparametric models have the curse of dimensionality and do not use any of the prior information. How to sufficiently mine structure information hidden in the data is still a challenging issue in model building. In this paper, we propose a parametric family of estimators which allows for penalizing deviation from linear structure. The new estimator can automatically capture the linear information underlying regressions function to avoid the curse of dimensionality and offers a smooth choice between the full nonparametric models and parametric models. Besides, the new estimator is the linear estimator when the model has linear structure,and it is the local linear estimator when the model has no linear structure. Compared with the complete nonparametric models, our estimator has smaller bias due to using linear structure information of the data. The new estimator is useful in higher dimensions; the usual nonparametric methods have the curse of dimensionality.Based on the projection framework, the theoretical results give the structure of the new estimator and simulation studies demonstrate the advantages of the new approach.     

部分线性回归模型中的广义似然比检验

检验了部分线性回归模型中的函数部分是否为常数, 在备择假设下, 先用局部多项式方法估计出函数部分, 在估计中忽略了参数部分, 将其并入误差项, 再使用二阶段估计法, 直接应用最小二乘方法, 估计出参数部分, 并讨论了它们的渐近性质. 计算了零假设下广义似然比检验统计量的表达式, 并给出其渐近分布.     

协变量含测量误差的变系数偏线性模型的变量选择问题研究

研究了当参数部分和非参数部分的协变量均具有测量误差且两部分测量误差相关时,变系数偏线性模型的参数估计和变量选择问题。在误差校正和profile最小二乘估计方法的基础上,提出了基于smoothly clipped absolute deviation (SCAD)惩罚的变量选择方法,且估计具有渐进正态性和先知性。数值模拟研究进一步说明了所提出的变量选择方法的有限样本性质。     

多元约束线性回归中异常值检验

讨论了带约束的多元线性回归模型中异常值的检验问题,证明了带约束的多元数据删除模型与相应的均值漂移模型的统计量之间的等价性,得到了异常值检验的似然比统计量及其分布。