概化理论方差分量置信区间估计方法的比较

概化理论又称为方差分量模型,其方差分量估计受限于抽样,不同的抽样样本估计的方差分量可能不一样.为了降低估计的误差,应该重视考察方差分量的变异量(如置信区间).Bootstrap方法是一种有放回的再抽样方法,可用于估计概化理论的方差分量置信区间.文章采用蒙特卡洛模拟技术,比较Bootstrap的PC和BCa方法估计概化理论方差分量置信区间的性能.结果发现:(1)与未校正的方法相比,校正的Bootstrap的PC和BCa方法估计概化理论的方差分量置信区间更为可靠;(2)校正的Bootstrap的BCa方法估计概化理论的方差分量置信区间,要优于校正的Bootstrap的PC方法.     

基于GARCHS模型的市场风险测度

文章在使用GARCHS模型对条件偏度进行动态建模的基础上,提出了基于条件偏度的VaR估计方法.通过对我国上证综指的实证研究表明,上证综指的条件偏度时变特征明显,其收益存在明显的有偏特征.对上证综指VaR估计的后验比较表明,考虑条件偏度的VaR估计方法能够提高有偏分布下VaR的估计精度.     

基于随机窗宽的α-混合序列分布函数估计

在总体未知的条件下,非参数方法是分布函数常用的估计方法.独立样本下分布函数的核估计方法已经有了深入的研究,文章对非独立的平稳α-混合序列的分布函数提出了随机窗宽条件下的非参数核估计,讨论了估计的强一致相合性和一致完全收敛性.     

乘积模型的最小二乘相对误差估计

文章提出了一种基于最小二乘准则下的乘积模型的相对误差估计方法.该方法的目标函数是光滑的凸函数,所得到的估计量具有强相合性和渐进正态性,估计量的渐进方差可以用插入法直接估计.模拟结果显示所提方法与其他同类方法比较具有一定的优势.     

人口普查覆盖误差估计方法综述

人口普查工作的质量主要体现在覆盖误差的规模上.人口统计学家创建了估计人口普查覆盖误差的方法.有些方法利用独立于人口普查本身的信息,另外一些方法则利用人口行政记录的信息.由于每种方法都有其特定的形成背景和适用范围,因而没有适合于所有国家和地区的通用方法.通过对美国、新西兰、澳大利亚、英国和中国的人口普查覆盖误差估计方法进行了较为详细的介绍,说明了这些方法的使用情况.研究表明,任何一种估计方法都有其局限性,需要不断改进与完善.     

动态面板数据模型的GMM估计及其应用

动态面板数据模型由于存在滞后项作为解释变量,导致传统参数估计方法在估计时存在有偏性和非一致性而只能采取GMM估计.文章整理了动态面板数据模型GMM估计方法的基本原理和思路,选取2003-2007年的行业面板数据建立动态面板数据模型,利用GMM估计方法对FDI对我国工业部门技术水平的溢出效应进行实证检验,结果表明基于GMM估计的动态面板数据模型较好的刻画了FDI的溢出效应.     

相依函数型数据的局部回归估计的渐近正态性

函数型数据研究近年来为越来越多的学者所重视,其在天文,医药,经济现象,生态环境及工业制造等诸多方面均有重要应用.非参数统计是统计研究的一个重要方面,其中核函数估计和局部多项式方法是这一类研究中重要常用方法.函数型数据的非参数方法中以核函数估计方法较为常见,且其收敛速度与极限分布无论在独立情形还是相依情形都有理论结果.而局部多项式的研究在函数型数据背景下较为少见,原因在于将局部多项式方法推广到函数型数据背景一直是一个难题. Marin, Ferraty, Vieu [Journal of Nonparametric Statistics, 22 (5) (2010), pp.617-632] 提出了非参函数型模型的局部回归估计. 这种估计可以看作是局部多项式估计在函数型数据背景下的一个推广.这种方法提出后,许多学者进一步研究了这种方法,考察了这种方法的收敛速度和极限分布,并将这种方法应用到不同的模型中以适应实际需求.但是,前人的研究都要求数据具有独立同分布的性质.然而许多实际数据并不符合这一假设.本文研究了在相依函数型数据情形下局部回归估计的渐近正态性.由于估计方法有差异,核函数估计的研究方法无法直接推广到局部回归估计,而相依性结构也给研究带来了一些挑战,我们采用Bernstein分块方法将相依性问题转化为渐近独立的问题,从而得到了估计的渐近正态性.此外我们还采用数据模拟的方法进一步验证了渐近正态的结果.     

取定统计量下最忧置信区间的估计

参数的区闻估计是一种基本的统计推断形式.它根据枢轴量的分布,在一定可靠度下指出被估计的总体参数所在的可能范围.Neyman的置信区间理论通过给定置信水平以保证一定的可靠度.文章讨论了取定统计量后,置信区间的估计方法以及最优置信区间的确定:并且通过实例与传统方法求得的置信区间进行了比较.结果显示.所求得的最短置信区间有明显的优越性.     

基于最佳线性无偏估计的模型权数的小域估计

文章介绍了一种基于EBLUP的模型权数的小域估计方法.这种估计方法一方面使小域的目标估计量是加权线性组合,从而使估计过程以及均方误的估计更加简单;另一方面得到的估计量不依赖于模型的假定,是一种稳健的估计量.文章还通过一个简单的模拟案例说明了这种估计量的稳健的性质,说明这种估计方法是一种非常符合实际调查情况的小域估计方法.     

向量乘积误差模型似然估计初值选取

文章针对VMEM似然估计初值选取问题展开讨论.依据现有的理论方法,提供了两种估计初值的方法:矩估计和迭代ACD估计,利用两种方法得到的初值在给定的条件下都具有一致性,为VMEM参数似然估计初值选取提供重要依据.     

双总体假设检验的另类区间估计法及其MCS研究

文章根据区间估计与假设检验的关系,通过构造大概率事件,利用另类区间估计检验方法,对双总体常见的参数假设检验给出了检验方法;并利用蒙特卡罗模拟方法从实验的角度对该检验方法进行了验证,证实了另类区间估计方法不但可以对原假设成立时进行假设检验,对原假设不成立时也有满意的检验效率.     

Lindley分布的统计分析

文章在全样本场合下,比较了两种求参数区间估计的方法,通过Monte-Carlo模拟比较了区间估计的精度.其次在定数截尾样本场合下,给出了参数的极大似然估计与逆矩估计,通过模拟比较认为逆矩估计比较精确,同时还给了求参数区间估计方法,通过模拟发现方法是可行的.     

非参数回归估计与人工神经网络方法的预测效果比较

文章研究了非参数回归方法在中石油和浦发银行等六支股票的价格预测中的应用.讨论了核估计、k阶最近邻估计、样条估计和惩罚样条估计4种常用的非参数回归方法,其中,核估计和k阶近邻估计共选取5种不同的权函数.最后,以MAPE为判断指标,将非参数回归方法的预测结果与RBF(多变量插值的径向基函数)人工神经网络方法的预测结果进行了比较.     

浅谈极大似然估计的教学方法

在数理统计中,当随机变量X的分布类型已知时,一个很重要的问题就是要对分布中所含的参数θ进行估计,即所谓的参数估计。在参数估计方法中有一种常用的点估计方法——极大似然估计方法（以下简称极大似然估计）。该方法最早是由高斯（C.F.Gauss）提出来的,后来费雷（R.A.Fisher）在1912年又重新提出该方法,并证明了该方法的一些优良性质。极大似然估计方法的背后有着非常朴素的哲理,但是,如果不把握其精髓,则很难让初学者理解和接受。笔者在多年从事概率与数理统计教学中发现,这部分既是数理统计（参数估计）教学中的一个难点又是重点。     

一种新寿命分布的参数估计及其应用

Chen(2000)提出了一种新的两参数寿命分布,这个分布有递增或浴盆型失效率函数,并基于Ⅱ型截尾样本给出了分布参数的区间估计.文章对这种两参数寿命分布在一个参数已知时,基于Ⅰ型截尾样本并借助Han(2011)给出的失效概率的E-Bayes估计给出了另一个参数的最小二乘估计和加权最小二乘估计,进而得到了失效率函数和可靠度的估计.最后,结合发动机的实际问题进行了计算,结果表明方法可行且便于工程应用.     

论抽样调查中的域估计

抽样调查中经常涉及到域估计的问题.域是对子总体的一种描述,域可以按管理层次或地理区域划分,如各个地区、省、市、县、乡等行政机构;也可以按照调查对象的不同类别划分,如产值中的类值,或按照年龄或性别划分的人群组.抽样调查中不仅要对总体目标量进行估计,在许多情况下也需要对域的目标量进行估计,政府统计中讨论的"抽样调查如何满足多层次需要"实际上就是域估计问题.进行归纳,域估计的方法有两类:直接估计和间接估计.     

成败型试验中产品可靠度的E-Bayes估计

文章利用E-Bayes方法,在产品寿命分布类型未知的情况下,给出了成败型试验中产品可靠度的E-Bayes估计;给出了成败型试验中产品可靠度的多层Bayes估计,与E-Bayes估计进行了比较.结果表明,E-Bayes估计计算简便,结果简单,便于应用;对于无失效数据情形,给出了成败型试验中产品可靠度的E-Bayes估计和多层Bayes估计.实例分析结果表明,利用E-Bayes方法得出的产品可靠度的估计结果具有稳健性,因此具有实际应用价值.     

熵损失函数下Burr(α)X分布参数的贝叶斯估计

文章研究了Burr(α)X分布参数的各类贝叶斯估计问题.在熵损失函数下分别获得了参数的贝叶斯估计、经验贝叶斯估计、多层贝叶斯估计和E-Bayes估计.证明了参数经验贝叶斯估计的渐近最优性,讨论了参数多层贝叶斯估计和E-Bayes估计的稳健性,通过蒙特卡洛方法对各类估计的MSE进行了数值模拟和比较分析,结果表明:经验贝叶斯估计的均方误差最小,精度较高.     

高维参数多项Logistic模型的估计方法

高维参数多项Logistic模型的参数估计,用极大似然法估计很困难.文章给出一种新的估计方法:基于逆回归,给出参数单位向量的估计,从而高维参数得到降维;用极大似然法估计参数向量的模,最后得到参数的估计.且是相合估计.     

小域估计的理论和最新进展

小域估计问题是当今抽样调查中的一个热点问题,由于小域样本量很小甚至为零,用传统的直接估计无法得到小域的精确估计,故借助于其他相邻与相似的小域的样本信息和历史信息的间接估计来提高估计的精度,是十分必要的.目前小域估计的主流发展方向是基于模型的小域估计方法,在介绍基于小域层次模型的小域估计方法和基于单元层次模型的小域估计方法的理论基础上,对实际调查中存在的一些小域估计问题以及针对这些实际问题的最近进展进行介绍,具有重要的理论和实践意义.