基于Bootstrap方法的多组配对数据风险差的一致性检验

在Dallal模型下构建3个统计量,研究小样本多组配对数据风险差的一致性检验问题.通过Monte-Carlo数值模拟,比较小样本下渐近方法和Bootstrap方法在检验过程中的性能.研究发现,Bootstrap方法在第一类错误率和功效上表现更优;特别地,基于Score检验的Bootstrap方法的第一类错误率较稳健,且有较高的功效,检验性能最优.

基于Bootstrap抽样的厚尾自回归过程结构变点检测

该文考虑了具有稳定分布的p阶自回归过程均值变点检验问题.通过构造修正的比值型检验统计量,利用广义的中心极限定理,证明统计量在原假设下的渐近分布是列维过程的泛函,并得到了其在备择假设下的一致性.针对渐近分布依赖未知参数的情况,采用Bootstrap抽样逼近渐近分布以得到更精确的临界值.数值仿真结果表明,基于Bootstrap抽样的Ratio检验不仅很好地控制了经验水平,经验势也达到令人满意的效果.此外,当突变位置位于样本后半段时,经验势有较大幅度提高.最后,通过一组美国铝业收盘价数据进一步验证本文所提的变点检验方法的有效性和可行性.

ASYMPTOTIC THEORIES FOR THE ROBUST PP ESTIMATORS OF THE PRINCIPAL COMPONENTS AND DISPERSION MATRIX——Ⅲ.BOOTSTRAP CONFIDENCE SETS,BOOTSTRAP TESTS

In this paper the bootstrap theories,which are based on the author’s former paper,ofM-typ eprincipal components and dispersion matrices and M-type PP tests for multivariate locationand scale are obtained.The bootstrap confidence sets for the principal components,dispersionmatrices and correlation matrices are also constructed.

Hypothesis Testing of Population Percentiles via the Wald Test with Bootstrap Variance Estimates

Testing the equality of percentiles (quantiles) between populations is an effective method for robust, nonparametric comparison, especially when the distributions are asymmetric or irregularly shaped. Unlike global nonparametric tests for homogeneity such as the Kolmogorv-Smirnov test, testing the equality of a set of percentiles (i.e., a percentile profile) yields an estimate of the location and extent of the differences between the populations along the entire domain. The Wald test using bootstrap estimates of variance of the order statistics provides a unified method for hypothesis testing of functions of the population percentiles. Simulation studies are conducted to show performance of the method under various scenarios and to give suggestions on its use. Several examples are given to illustrate some useful applications to real data.

领导者心理韧性下行传递效应的多元实现路径

心理韧性是个体应对危机挑战不可或缺的心理能力。如何促进领导者心理韧性的下行传递效应成为提升领导有效性、强化员工心理韧性,进而增强组织危机应对能力的关键。本文融合质性与实证方法,挖掘并验证了心理韧性下行传递效应的实现机制。首先,基于程序化扎根理论的三级编码过程,构建了领导者心理韧性的下行传递效应理论模型,并结合社会信息加工理论探讨了不同传递路径的实现机制。其次,运用Bootst rap方法,通过纵向追踪数据验证了理论模型的普适性。结论包括:1.心理韧性下行传递效应实现机制包括情感传递、认知传递和行为传递三条路径,各路径存在协同作用关系;2.领导与员工间的积极情绪感染构成心理韧性的情感传递路径;3.领导建设性反馈和员工自我效能感搭建了心理韧性的认知传递路径;4.领导容错行为和员工差错反思构成心理韧性的行为传递路径。研究结论增添了心理韧性在组织行为领域的应用场景,为增强组织环境适应力提供新的启示。

ADF模式中漂移项和趋势项检验量分布与Bootstrap检验研究

在推导ADF检验模式下趋势项和漂移项伪t检验量极限分布基础上,提出修正的系数检验量。研究表明,它们与DF检验模式下检验量具有相同的极限分布;构造漂移项和趋势项检验的Bootstrap实现方法并证明了有效性。将蒙特卡洛模拟技术与临界值检验方法进行对比,结果表明Bootstrap方法能够明显降低检验的水平扭曲,在检验功效方面也有一定优势。模拟也显示临界值检验的局限性和Bootstrap方法的稳健性。

全函数型线性回归模型参数的可分解性检验

本文提出一个可以用于检验函数型线性回归模型参数可分解性的方法.在参数的可分解性条件下,形成了一个新的函数型线性模型结构,此模型结构不仅降低全函数型线性模型的复杂度,还有利于对数据进行解释.构造的检验统计量主要基于模型参数在可分解结构与不可分解结构距离的范数.理论上证明了检验统计量在原假设和备择假设下的大样本性质.借助于Wild Bootstrap的重抽样技术,通过具体的模拟例子和实际数据分析来验证此检验方法的有效性.

单位根过程联合检验的Bootstrap研究

本文以Ferretti和Romo的Bootstrap方法为基础进行拓展完成三种联合检验,并从理论上证明了Bootstrap方法的有效性;使用蒙特卡洛模拟技术比较了Bootstrap检验与临界值检验的效果。模拟表明,在误判率上,Bootstrap方法下三个检验量的误判率分别为2.22%、3.70%和0.00%,而临界值的误判率分别高达22.22%、11.11%和15.56%;在精确程度上,Bootstrap方法的精度分别是临界值方法的11.25倍、26倍和6.5倍。模拟表明了本文构造的Bootstrap检验方法可以替代临界值方法,特别在小样本下,Bootstrap方法的优势更为明显。

P—S—N曲线的Bootstrap置信带

由小子样疲劳试验数据估计出的疲劳可靠性设计P—S—N曲线可能偏于危险,目前常采用C—P—S—N(置信度—可靠度—应力—寿命)曲线提高预测结果的可信性,文中基于Bootstrap方法提出一种新的估计C—P—S—N曲线的方法。给出所提方法的具体实现,所提方法借助Bootstrap再抽样技术,可以拟合任意置信度和任意可靠度下的C—P—S—N曲线,并获得更安全可信的估计结果,有效改善常规方法出现的危险问题。采用所提方法对材料LY12CZ铝合金板材疲劳试验数据进行分析讨论,结果表明所提方法是合理可行的。

寿命分布的参数Bootstrap拟合优度检验方法

拟合优度检验在统计和可靠性等领域具有非常重要的地位,基于参数Bootstrap重采样的思想,对未知参数的常用寿命分布进行拟合优度检验。数值仿真结果表明,相对于传统的经验分布函数检验,这种基于参数Bootstrap的拟合优度检验具有更高的功效,特别是在小样本的情况下,优势明显。

基于Bootstrap方法的小子样试验评估方法研究

Bootstrap方法是一种小子样试验评估方法。该方法在产生随机样本方面有不足之处,即产生的随机样本受到原始样本范围限制。因此本文在研究了用指数分布函数、Boltzm ann函数和三次多项式函数拟合修正样本经验分布函数的可行性之后,讨论用修正的样本经验分布函数替换传统Bootstrap方法中的经验分布函数,提出了基于Bootstrap方法的小子样试验评估方法。结论表明:采用Boltzm ann和三次多项式函数拟合修正样本经验分布函数后可使产生的随机样本不受原始样本范围限制,提高试验评估结果的精度,并附有算例说明所提出的方法。

空间经济计量滞后模型Bootstrap Moran检验功效的模拟分析

当误差项不服从独立同分布时,利用Moran's I统计量的渐近检验,无法有效判断空间经济计量滞后模型2SLS估计残差间存在空间关系与否。本文采用两种基于残差的Bootstrap方法,诊断空间经济计量滞后模型残差中的空间相关关系。大量Monte Carlo模拟结果显示,从功效角度看,无论误差项服从独立同分布与否,与渐近检验相比,Bootstrap Moran检验都具有更好的有限样本性质,能够更有效地进行空间相关性检验。尤其是,在样本量较小和空间衔接密度较高的情况下,Bootstrap Moran检验的功效显著大于渐近检验。

局部线性趋势模型单位根检验量分布与Bootstrap检验

本文引入局部趋势概念,研究数据生成和检验式都含有趋势单位根过程中伪t检验量的分布,结果表明该分布为标准正态分布与第四种DF分布的混合体,并揭示了向这两类分布转化的条件。为摆脱伪t检验量受到特定参数约束而不能用于实证分析的困境,本文提出了Bootstrap检验方法,并从理论上证明该方法可用于水平检验和功效研究,埃奇沃思展开进一步证实该方法能够降低水平扭曲。蒙特卡洛模拟结果显示,Bootstrap检验量具有最高检验正确率,检验功效在一定条件下也能与标准正态分布的检验结果相媲美,说明Bootstrap方法可以用于此类模型的单位根检验。

特小子样试验下导弹精度评定的Bootstrap方法

针对特小子样下导弹精度评定的需求,提出了利用验前信息来弥补现场试验信息不足的改进Boot-strap统计方法。首先介绍了Bootstrap方法的基本概念;其次分析和比较了特小子样下验前信息与现场试验信息的若干种相容性检验方法的性能,并根据相容性检验水平确定了各类信息源的权重。然后,基于重要度抽样的思想,分别针对非参数Bootstrap方法和参数Bootstrap方法讨论了验前信息在导弹精度评定中的运用。最后,根据工程经验提出了一种改进的权重分配方案。仿真结果表明,KS相容性检验方法在特小子样下更为适用,考虑相似验前信息的Bootstrap精度评定结果更为合理。

偏最小二乘回归系数的Bootstrap假设检验及SAS实现

目的运用SAS程序实现对偏最小二乘自变量回归系数的假设检验。方法运用Bootstrap向后筛选变量的方法,用误差均方和评价检验前后模型的预测能力,借助SAS中的PROC SURVEYSELECT、PROC PLS等实现假设检验。结果在模拟实验中,通过一轮向后筛选变量的过程剔除了两个设定为无统计学意义的自变量,而保存了其余有统计学意义的自变量;在实例中,利用本文的方法和程序也得到了较为满意的结果。结论Bootstrap向后筛选变量法可以有效地对偏最小二乘回归自变量进行统计学检验,且可以通过SAS方便的实现。

空间经济计量模型Bootstrap检验功效的仿真分析

当误差项不满足经典的正态独立同分布假设条件时,利用Moran’sⅠ统计量的渐近分布进行空间相关性检验的功效较弱.文中把Bootstrap方法用于空间经济计量模型的空间相关性Moran’sⅠ检验统计量,Monte Carlo模拟实验结果表明:从功效角度看,当误差项服从正态独立同分布时,Bootstrap检验与渐近检验同样有效,甚至优于渐近检验;当误差项不服从正态独立同分布且存在异方差时,Bootstrap检验能够有效地提高渐近检验的功效;当样本量较小时,空间相关系数和空间衔接结构等对功效有显著影响,尤其是在空间衔接密度较高的Queen矩阵和空间相关系数小于0的情况下,Bootstrap检验的功效显著大于渐近检验;当空间权重矩阵为Queen矩阵时,Bootstrap检验的功效曲线随样本量增大而从"√"型变成"V"型,对称性增强,空间衔接结构对Bootstrap检验功效的影响减弱.

线性回归模型Bootstrap LM-Lag检验有效性研究

基于OLS估计残差,将Bootstrap方法用于空间滞后相关LM-Lag检验。在不同的误差结构和空间权重矩阵条件下,比较Bootstrap LM-Lag检验和渐近检验的水平扭曲和功效。通过Monte Carlo实验表明,当误差项不服从经典正态分布假设时,LM-Lag渐近检验存在严重的水平扭曲,Bootstrap检验能够有效地校正水平扭曲,并且Bootstrap LM-Lag检验的功效与渐近检验近似;无论误差项是否服从正态分布,从水平扭曲和功效角度看,线性回归模型Bootstrap LM-Lag检验有效。

有限样本递归均值调整单位根检验与Bootstrap研究

针对理论研究和模拟研究参数设置不一致问题,推导零均值递归均值调整单位根检验功效公式,结果表明其分布在大样本下与非零均值结果相同.为纠正临界值检验的不足,提出了3种Bootstrap样本构造方法,证明了Bootstrap方法既可以用于研究检验水平也可以分析检验功效.蒙特卡洛模拟表明,Bootstrap方法不但具有完美的检验水平和较低的水平扭曲,而且也具有功效优势;实证研究结论也表明Bootstrap方法可以用于实际序列的单位根检验.研究结论既丰富了单位根递归均值调整检验理论,也为实证研究提供一种新检验方法.

基于改进Bootstrap和Bayesian Bootstrap的小样本产品实时性能可靠性评估

基于失效寿命数据的传统可靠性评估方法一般只能求出相同环境下同一类产品的平均特征,并不能对产品进行实时定量的可靠性分析,对于小样本条件下产品的实时性能可靠性评估更是无能为力,而Bayes方法又容易引起争议。为此,提出了基于改进Bootstrap(改进自助法)仿真和Bayesian Bootstrap(随机加权法)仿真的小样本产品实时性能可靠性评估新方法。这两种方法均是通过数字仿真技术扩大样本量,该方法完全依赖于样品本身的数据,不需要任何主观假设。首先介绍了这两种方法的基本思想,并对传统自助法进行了改进;然后给出了利用该方法计算实时性能可靠性参数的期望与方差的算法,并分析了其适用范围,给出了基于蒙特卡罗仿真的产品实时性能可靠性建模方法;最后通过具体实例验证了该方法的有效性和实用性。

Block Bootstrap方法在季节时间序列单位根检验中的应用

传统的参数类检验方法存在参数极限分布非标准、参数解析式推导烦琐、差分平稳后序列均值难估计等问题。为了避免上述问题,文章改进季节时间序列单位根检验方法,首先基于非参数Block Bootstrap方法提出BB-HEGY检验统计量,并给出临界值;其次,通过比较BB-HEGY统计量和传统的HEGY统计量的有限样本性质,发现BB-HEGY统计量具有更好功效和检验水平,尤其在季节频率上有更明显的优势;最后,通过对中国宏观经济指标的实证检验,进一步证明BB-HEGY检验统计量的优越性。