正态总体下参数的优化极大似然估计方法

文章讨论了一种新的抽样方法,基于这一抽样方法提出了样本参数的优化极大似然估计,并进一步与简单随机抽样下的参数的极大似然估计结果作比较,从估计渐进效率的角度说明了该方法的优良性。     

含方程误差的重复测量误差模型参数的假设检验

含方程误差的重复测量误差模型解决了协变量真值与响应变量真值之间存在的不完全匹配问题.为使中小型样本量下的假设检验结果更为准确,文章基于多元正态分布推导改进形式的Skovgaard似然比检验统计量,提高其在原假设下收敛到卡方分布的渐近速度,并应用该检验统计量对重复测量误差模型中回归参数的显著性进行假设检验.模拟研究的结果表明改进的似然比检验统计量在有限样本检验下的优越性;实例分析中通过检验气温与气压之间回归参数的显著性来说明该方法的实用性.     

基于中位数排序集抽样的符号检验

文章提出中位数排序集抽样下总体中位数的符号检验,证明了新检验统计量具有渐近正态性,并系统验证了新统计量的检验功效一致优于排序集抽样下和简单随机抽样下符号检验统计量.     

基于Hellinger距离的两个正态总体的同质性检验

文章对于两个正态总体N(μ1,σ12),N(μ2,σ22),讨论了统计假设H0:μ1=μ2,σ12=σ22←→H1:μ1≠μ2或σ12≠σ22.并基于Hellinger距离与参数的最大似然估计,建立了一个检验统计量.在一定的条件下证明了该统计量渐近服从自由度为2的卡方分布.用随机数值模拟的方法研究了该统计量的稳健性,并且与似然比检验进行了比较.     

基于贝叶斯理论的小批量产品抽样检验方法

文章针对小批量产品抽样检验存在的样本量大、检验费用高等问题,研究了基于贝叶斯理论的抽样检验方法,该方法充分利用质量的历史信息,以费用最小为目标,在保证质量的前提下,尽可能减少所检验样品的个数,降低检验的工作量和成本.     

部分函数型线性变系数模型的序列相关检验

部分函数型线性变系数模型(PFLVCM)是近几年出现的一个比较灵活、应用广泛的新模型。在实际应用中,搜集到的经济和金融数据往往存在序列相关性。如果不考虑数据间的相关性直接对其进行建模,会影响模型中参数估计的精度和有效性。本文主要研究了PFLVCM中误差的序列相关性的检验问题,基于经验似然,把标量时间序列数据相关性检验的方法拓展到函数型数据中,提出了经验对数似然比检验统计量,并在零假设下得到了检验统计量的近似分布。通过蒙特卡洛数值模拟说明该统计量在有限样本下有良好的水平和功效。最后,把该方法用于检验美国商业用电消费数据是否有序列相关性,证明该统计量的有效性和实用性。     

纵向数据下工具变量线性回归模型的经验似然推断

文章考虑纵向数据下工具变量线性回归模型,基于工具变量和二次推断函数方法,提出了回归参数的经验对数似然比统计量.在一些正则条件下,证明了所提出的经验对数似然比统计量渐近于标准卡方分布,由此构造兴趣参数的置信域.     

定数截尾试验下两总体双参数Pareto分布尺度参数的比较

本文研究了在定数截尾样本下,形状参数未知时双参数Pareto分布尺度参数的检验问题;并利用似然比检验的方法,获得了检验统计量及检验否定域的上下界。     

基于OC函数的抽检方案及其风险控制

文章阐述了质量控制中两种形式的抽样检验和两类风险,以及抽检方案下的接收概率和OC函数;针对一次计数型和一次计量型抽样检验的特点,设计了相应的抽检方案,并基于OC函数及其曲线,在Mathematica环境下,通过仿真实验,利用统计检验原理,给出了一次计数型和计量型产品质量抽检方案及其风险控制方法.     

基于M估计强混合重尾序列结构变点的鲁棒检验

针对强混合重尾序列结构变点的检测问题,为避免因序列重尾性导致最小二乘估计产生偏差,文章提出了基于M估计的比值型检验统计量,用于检测重尾序列位置结构变点。在一般约束条件下证明了原假设下统计量的极限分布是布朗运动的泛函,并得到备择假设下的一致性。针对因序列相依性导致的经验水平扭曲现象,采用Block Bootstrap抽样方法获得了更为准确的临界值,有效提高了检验功效。数值模拟结果显示,在Block Bootstrap抽样方法下基于M估计的比值型检验在强混合重尾序列结构变点检测中能较好地控制经验水平,经验势也较合理。最后,通过一组汇率数据验证了所提检验方法的可行性。     

两水平无重复析因设计的散度效应识别的似然比检验

文章针对无重复两水平分式析因试验的散度效应识别问题,并基于似然比检验方法建立了一个散度效应识别方法.该方法可以在已知某些散度效应存在的场合下用于检验其余因子的散度效应.     

基于非平衡面板数据的总体比例变动的检验方法

文章针对添加新生单元固定样本纵向调查设计和非平衡面板数据,研究不等比例抽样情形下,两个连续时点间总体比例变动的显著性检验方法.基于两种处理重叠样本的思路和对随机抽样情形下相关研究方法的改进,提出了两种新方法,用来估计不等比例抽样情形下总体比例之差的方差,进而检验总体比例变动的显著性.     

特征样本重复抽样建模方法和应用研究

本文在传统统计回归方法的基础上,构建了一种新的特征样本重复抽样回归(FSR)建模方法.该方法是依据变量特征采用机器抽样方法重复抽样,形成多个特征样本,然后对多个样本进行参数估计,形成参数的抽样分布;最后依据抽样分布,在多个优化目标要求下建立最优化模型.FSR方法能够作为社会科学研究中一种通用的建模方法.     

基于多重抽样框的连续性抽样估计方法研究

多重抽样框可以解决单一抽样框难以完整覆盖流动性目标总体的难题,连续性抽样调查则可以获取变量的时序观测数据,对总体现象进行追踪调查。本文将多重抽样框调查与连续性抽样调查两种方法结合在一起进行研究,深入分析基于多重抽样框的连续性抽样估计方法。文章首先设计了连续性调查环境下总体结构变动表;然后,在简单随机抽样假定下的轮换样本调查情形开展研究,设计了14种参数缩减方法对构建的似然函数进行估计求解,并给出了估计量的迭代计算过程;最后,对本文的研究内容进行了总结与展望。     

基于半参数混频误差修正模型的中国CPI预测研究

考虑宏观经济变量具有明显的非线性特征,将非线性误差修正项引入存在协整关系的非平稳混频数据抽样（MIDAS）模型中,构建半参数混频数据抽样误差修正（SEMI-ECM-MIDAS）模型。使用广义似然比（GLR）检验,拓展了混频数据下模型函数形式的一致性检验问题。模拟结果表明SEMI-ECM-MIDAS模型对存在非线性误差修正机制的数据具有显著的预测优势。最后使用该模型研究中国股票市场周度数据、广义货币发行量月度数据和国际原油市场月度数据对中国CPI的短期预测效果。基于AIC准则,对包含半参数模型在内的4种混频数据抽样模型和2种同频模型的连续预测效果进行了全面的比较。研究结果发现：GLR检验表明误差修正项具有明显的非线性特征且在回归中具有显著的反向修正机制,无论采用递归样本、滚动样本还是固定样本,本文提出的SEMI-ECM-MIDAS模型在进行连续预测时均具有最优的预测精度,且预测结果不受混频动态协整关系选择的影响。     

统计抽样检验的最新发展--首选抽样检验

一、统计抽样检验概述 统计抽样检验是以数理统计为基础的科学的产品或服务的质量检验方法,是质量管理、质量保证和质量监督的重要组成部分和基本统计技术手段.抽样检验是利用批或过程中随机抽取的样本,对批或过程的质量进行检验,作出是否接收的判决,是介于不检验和百分之百检验之间的一种检验方法.现代检验方法的理论依据是概率论与数理统计、管理学和经济学,为与传统的、不科学的抽样检验方法(如百分比抽样检验)相区别,有时称它为统计抽样检验.     

序贯抽样检验检索表的改进

序贯抽样检验方法由于每检验完一个样品都要做出一次记录与判断,并且其判断规则还比较复杂,因而实施起来并不容易.文章在简化判断规则的基础上,改进了检索表,并对其科学性进行了检验,旨在使序贯抽样检验更加简便易行.     

检验统计量的选择

对于拟合优度检验而言,不同的检验统计量构造的检验在不同的假设下其检验的势往往是不同的.即使在相同的原假设下,不同的备择假设下不同的检验的势也是有差异的.在统计理论上,利用检验的势的大小进行检验的选择是重要的标准.然而在实际中,实际工作者可能会遇到统计本身的问题不便于使用此方法,同时理论工作者也很难给出实际中所需要的所有的假设下统计量的检验势的比较结果.基于众数,文章对统计量的密度函数是单峰的情形,通过引入概率流失速度概念.构造了两个选择检验统计量的标准;并用Monte Carlo数值模拟验证了标准的可用性.     

基于蒙特卡罗分布式算法的单位根检验

本文基于单位根检验的基本原理,说明了几种常见的单位根过程检验方法的局限性,提出用MonteCarlo分布式计算方法来计算一般统计量的分布函数表。笔者应用该算法计算时间序列的单位根过程检验统计量的分布函数表,提出了一种新的检验方法,该方法与著名的迪基-福勒检验进行对比,优点在于,一是公式转弯少,使用的是原假设的统计量;二是根据统计量直接的分布,而不是极限的分布;三是不必进行随机积分;四是可以根据任意的显著性水平、任意的样本容量进行检验。     

稳健学生t回归模型的非迭代贝叶斯抽样算法

与正态回归相比,学生t回归模型是一种对异常值较稳健的回归模型,通常用Gibbs抽样算法估计参数.而Gibbs抽样是一种迭代算法,所得样本不是独立样本,统计推断之前需判断其收敛性.文章探讨了一种基于逆贝叶斯公式的非迭代抽样算法,该算法利用t分布的正态混合表示,结合EM算法和重要再抽样算法,得到参数的独立同分布的后验样本,该样本可直接用于统计推断,从而避免了Gibbs抽样中的问题.