周期随机系数自回归模型的统计推断

文章研究了一阶周期随机系数自回归模型的性质和参数估计问题。首先讨论了该模型均值函数、方差函数以及协方差函数的周期平稳性。其次讨论了当误差服从正态分布时模型参数的估计问题,给出了模型参数的矩估计和最小二乘估计,并通过随机模拟对这两种估计方法进行比较。最后将上述方法用于实际数据的建模拟合分析。结果表明所提出方法具有较小的误差。

随机效应变系数空间自回归面板模型的估计

具有良好可读性和稳健性的变系数模型在各学科领域应用广泛。本文构建了一种新的随机效应变系数空间自回归面板模型,运用截面极大似然估计方法,导出了模型的估计量,证明其具备一致性和渐近正态性,蒙特卡洛模拟研究显示估计量的小样本表现效果良好。

随机系数自回归模型变均值点在线监测与应用

对随机系数自回归模型的变均值点进行在线监测时,如果变均值点的位置远离开始监测点,则平均地说,需要较长的运行时间方能检测到该变均值点.为此,笔者引进一个窗宽参数,提出了一种改进的在线监测方法.给出了监测统计量在原假设下的极限分布,并证明了此方法的一致性.模拟结果显示新方法明显优于已有的方法.最后将该方法应用于两组股票价格均值点的监测问题中,说明了方法的有效性.

两变量随机系数回归模型的最优设计

本文考虑两变量随机系数回归模型在单位正方形设计区域上基于A-,Ds-,I-和D-准则下的最优设计.证明了最优设计可在设计域的顶点处获得,并得到了几类最优设计的解析或数值结果.

缺失数据下随机系数自回归模型的参数估计

随机系数自回归模型能够较好地描述模型系数随时间变化的特性,因此得到了广泛应用。文章讨论具有缺失数据的随机系数自回归模型的参数估计问题,在缺失数据情形下给出了四种模型参数估计方法:无数据填充条件最小二乘法、均值填充法、条件均值填充法以及桥填充法。最后,通过随机模拟说明了上述估计方法的精确性,并给出了应用实例。

闭区间[a,b]上随机系数回归模型的最优设计

随机系数回归模型是一类广泛应用于社会学、经济学、生物学、心理学、药代动力学等科学研究领域的线性模型.本文讨论了闭区间[a,b]上随机系数回归模型基于D-,G-,A-,Dβ-和I-最优准则下的几类最优设计问题.证明了在设计准则满足实值单调的条件下最优设计可在设计域端点处获得的结论,并给出了这几类设计准则下最优设计的解析表达式.

一阶广义随机系数自回归模型参数的最小渐近方差估计

研究广义随机系数自回归模型中参数的估计问题,给出了未知参数的一个估计类,证明了该估计类中估计的相合性和渐近正态性,并且获得了该估计类中的最小渐近方差估计,并通过数值模拟比较了估计类中各种估计方法的优劣.

财政政策、货币政策对发达国家就业与经济增长的影响研究——基于随机系数的面板向量自回归模型的估计

自2008年的金融危机以来,发达国家采取的经济刺激政策以超级宽松的货币政策为主,以适度宽松的财政政策为辅。这些政策能否帮助发达国家实现就业增长和经济复苏呢?本研究以24个发达国家的宏观季度数据为基础,采用随机系数的面板向量自回归模型的估计方法进行估计,结果表明:第一,增加政府消费的扩张性财政政策,能够有效地促进发达国家的就业与经济增长;第二,增加货币供给的扩张性货币政策,能够有效地促进发达国家的经济增长,但是对发达国家的就业有非常不利的影响;第三,虽然与凯恩斯主义、货币主义的理论预期不符,但符合客观事实的是,超低利率的货币政策对发达国家的就业与经济增长均有不利影响。研究的政策启示是,财政政策、货币政策在促进就业与经济增长方面各有优势,政府应当根据促进就业与经济增长的调控目标,合理地搭配扩张性财政政策和增加货币供给的扩张性货币政策,并审慎使用超低利率的货币政策。

异方差随机系数回归模型的最优设计

最优设计方法在工程技术领域和工农业生产中具有广泛的应用.随机系数模型的最优设计研究中通常假定随机误差项具有相同的方差,实际中误差的产生往往与观测点有关,从而具有异方差性质.本文研究一般闭区间设计域上异方差随机系数回归模型的最优近似设计问题.我们获得了最优设计可以在设计域的两个端点处得到的一组充分条件,并进一步证明了当误差项方差具有对称结构且设计域是对称区间时,设计域两个对称端点处的等权重设计同时具有多重最优性质,这时最优设计不依赖于模型中随机误差项的方差结构及随机系数项的方差.

随机效应线性模型中回归系数和参数同时估计的可容许性

对于一般的随机效应线性模型Y=Xβ+ε,E(β)=Aα,E(ε)=0,Cov(β′,ε′)=V.其中X为已知的n×p矩阵,β和ε分别为不可观测的p维和n维随机向量,Y是可观测的,V和A都已知,α∈Rk为参数.本文在一种新的矩阵损失函数下,给出了随机回归系数和参数同时估计在齐次线性估计类和非齐次线性估计类中可容许的充分必要条件.

随机系数回归模型的多步预报公式

研究的随机系数回归模型为 y_t=sum from i=1 to s (β_i(t)x_i(t)+e_t) t=0,1,… 其中回归系数β_i(t)是对经典的定常系数的推广,并假定β_i(t),i=1,2,…,s为应用广泛的多元ARMA或ARIMA时序模型或关于时间t的某种函数.并依此给出y_t的多步预报递推公式可进行动态预报.此预报公式仍适用于系数时间序列为非平稳情况.在无初始信息情况下,此预报公式仍具有某种最优性质。

多元线性模型中随机回归系数和参数的线性估计在线性估计类中的可容许性(Ⅰ)

考虑多元线性模型Ｙ＝ＸＢ＋Ｅ，其中Ｙ是可观测的ｎ×ｍ矩阵，Ｂ和Ｅ分别为不可观测的ｐ×ｍ和ｎ×ｍ随机矩阵，ＥＢＥ＝ＡαＯ，ＣｏｖＢＥ＝Ｖ；Ｘ，Ａ，Ｖ均为已知矩阵，≥０，Ｖ≥０，是已知矩阵或未知的参数矩阵，α∈Ｒｋ×ｍ为未知的参数矩阵。本文在矩阵损失函数：（ｄ－Ｓα－ＱＢ）′（ｄ－Ｓα－ＱＢ）下给出了Ｓα＋ＱＢ的估计ＬＹ（ＬＹ＋ｃ）在齐次线性估计类（线性估计类）中可容许的充要条件，从而将文献［１］［３］中得到的关于一元模型的有关结果推广到多元模型。

对数随机系数自回归模型AR(1)参数矩估计的渐近正态性

在已知对数随机系数自回归时序模型AR(1)的参数矩估计及其相容性的基础上,通过对其协方差函数渐近性质的研究,证明了该矩估计的渐近正态性.

多元线性模型中随机回归系数和参数的线性估计在一般估计类中的可容许性(Ⅱ)

考虑多元线性模型：Ｙ＝ＸＢ＋Ｅ其中Ｙ是可观测的ｎ×ｍ矩阵，Ｂ和Ｅ分别为不可观测的ｐ×ｍ和ｎ×ｍ随机矩阵，且服从多元正态公布：ＢＥ～Ｎ（ｐ＋ｎ）·ｍＡαθ，Ｖ，其中Ｘ、Ａ、Ｖ均为已知矩阵，＞０，∧＝∧（Ｘ，Ｉｎ）∨Ｘ′Ｉｎ＞０。可为已知矩阵或未知的参数矩阵，α∈Ｒｋ×ｍ为未知的参数矩阵。本文在矩阵损失函数：（ｄ－Ｓα－ＱＢ）′（ｄ－Ｓα－ＱＢ）下，给出了Ｓα－ＱＢ的估计ＬＹ＋Ｃ在一般估计类中可容许的充分条件和必要条件，从文献［１］中得到的关于一元模型的有关结果推广到多元模型。

圆域上随机系数回归模型的D-最优设计

文章研究了闭圆形设计域上两变量随机系数回归模型的D-最优设计问题,利用洛纳偏序(Loewner order)证明,该设计域上的D-最优设计可在满足一定条件的正方形的四个顶点上取得。文章还给出了该模型的D-最优设计。

基于不完美先验信息的随机系数回归模型剩余寿命预测方法

剩余寿命预测是设备预测与健康管理的核心问题,准确的剩余寿命预测可以在故障发生前进行有效的维护保养,以减小设备故障发生的概率。针对实际剩余寿命预测中先验信息不足或缺乏的问题,提出一种克服不完美先验信息影响的启发式剩余寿命预测方法。首先,利用非线性随机系数回归模型进行退化建模。其次,证明了基于单个设备现场退化数据,期望最大化(EM)算法的参数估计结果收敛于极大似然估计(MLE)算法的参数估计结果,并提出一种合理融合先验信息和现场信息的启发式剩余寿命预测方法。最后,通过数值仿真数据和实际锂电池退化数据对提出的结论和方法进行了验证,结果表明:启发式剩余寿命预测方法相比传统贝叶斯方法能够较好地克服不完美先验信息的影响,更为准确的预测设备地实际剩余寿命。

指示变量随机缺失下变系数模型的分位数回归

本文研究了删失数据以及删失指示量随机缺失情况下部分线性变系数模型的参数估计问题。对非参数部分采用B样条近似,对缺失的指示变量运用极大似然估计,结合分位数回归,得到了参数估计的渐近正态性质和非参数部分的收敛速度。蒙特卡洛模拟和实例分析表明,所提出的方法可以有效处理此类存在缺失的数据,获得有意义的结果。

随机约束模型下回归系数的有偏估计(英文)

本文提出具有正态随机约束模型下回归系数的混合Stein估计βm(c)和混合双k类Stein型估计βmk(k1,k2)，在均方误差意义下，证明了，当c,k1,k2满足一定条件时，对一切β和σ^2,βmr(c)和βmr(k1,k2)一致地优于β的混合估计βm，最后，将结果推广到较一般的正态随机约束模型。

Panel数据模型中回归系数的广义p值检验

利用广义p值和广义置信区域的概念对含有三个随机效应的Panel数据模型中回归系数的假设检验问题建立了精确检验,构造了回归系数的几个广义置信区域;讨论了本文所构造的检验和置信区域在尺度变换下的不变性;对这几种检验的功效和置信区域的覆盖率给出了数值模拟结果。

基于边生命周期的短波IP网络随机图模型

针对短波IP网络中物理连接存在生命周期和接收节点选择方式不同对网络拓扑结构和性能产生的影响,提出了一种基于边生命周期和接收节点多种选择方式的随机图模型。模型中节点之间边生命周期服从正态分布,而新边建立的节点选择方式按照随机选择、度值择优选择和度值反择优选择的方式,用来模拟短波IP网络不同的通信过程。理论分析和仿真也发现,接收节点选择方式的不同将会对网络的度分布、平均最短距离、网络总的度值和节点最大度值及聚集系数都产生影响,而小的连接生命周期将显著减少网络中总的度值和节点的最大度值,减少对物理层资源的占用,提升网络的效能。