带单个变点AR(1)模型的统计推断

变点时间序列一直是计量经济学、工程学和统计学的一个重要研究课题,在金融、气象和工业等领域有着广泛的应用。研究了带单个变点一阶自回归(AR(1))模型的统计推断问题。基于极大似然(或拟似然)方法,针对带单个变点AR(1)模型给出了参数估计表达式及自相关系数估计的一致性条件,同时得到了该条件下自相关系数极大似然(或拟似然)估计的渐近分布,并依此讨论了模型是否存在变点的假设检验及自相关系数变化增量的假设检验问题。最后通过数值模拟和上证综合指数日交易量的实证分析说明了所提理论和方法的有效性。

基于季节性AR(P)模型的水质预测

自回归模型的建立是基于序列平稳性的假设,只能描述平稳序列的统计特性,而水质的月监测数据序列往往具有季节性变化的现象.文章介绍了平稳过程的相关理论及其检验方法并应用到黄河潼关、三门峡断面的水质序列的检验中,检验结果为非平稳序列,且序列具有明显季节性(月份)变化的特性.为此尝试建立季节性AR(P)模型来捕捉黄河水质的季节性变化规律,实践表明该模型预测总体效果是较为满意的.

PD-1/PD-L1/C5ar1基因人源化小鼠模型的构建及其在免疫治疗中的应用

目的构建一种验证C5AR1靶点抑制剂或与免疫检查点抑制剂联用治疗肿瘤的药效及毒性的人源化小鼠模型,以加快人C5AR1靶点药的开发。方法首先通过基因编辑技术构建PD-1/PD-L1/C5AR1人源化(hPD-1/hPD-L1/hC5AR1)小鼠模型。接下来,分析hPD-1/hPD-L1/hC5AR1小鼠人源化基因的表达及人源化对免疫系统的影响。最后基于hPD-1/hPD-L1/hC5AR1小鼠建立肿瘤模型来评价抗人C5AR1抗体的药效。结果在hPD-1/hPD-L1/hC5AR1小鼠中只检测到人源PD-1、PD-L1、C5AR1蛋白,且各免疫细胞比例与野生鼠相比无明显差异。在小鼠肿瘤模型中发现,与单药相比,联合使用抗人PD-1抗体和抗人C5AR1抗体能更有效地抑制肿瘤的生长。结论hPD-1/hPD-L1/hC5AR1小鼠模型可以用于抗人C5AR1抗体和抗人PD-1抗体的临床前药效验证研究。

网络中业务流的自相似性与线性AR1模型

本文通过对多个ＡＲ１过程（ｏｒｄｅｒ１ａｕｔｏｒｅｇｒｅｓｉｖｅｐｒｏｃｅｓ）的累加（ｓｕｐｅｒｐｏｓｉｔｉｏｎ）过程的研究，发现当有限个参数特定的ＡＲ１过程累加后，该累加序列具有明显的自相似性．这从某种程度上揭示了为何不具备长期相关性的单个信源，经复接、交换等处理后，使得网络中业务流呈自相似性的原因．本文给出了数学分析方法和计算机仿真结果，由此还可得出一种生成自相似序列的快速方法．

季节性流感病毒H1N1BALB/c鼠肺适应株的建立及其分子机制

目的建立季节性流感病毒H1N1的鼠肺适应株,并对适应的分子机理进行研究。方法以病毒滴鼻感染小鼠,通过在BALB/c小鼠肺组织中连续传代,观察小鼠存活情况及肺病理改变,来获得季节性流感病毒H1N1的鼠肺适应株。结果季节性流感H1N1 A/Brisbane/59/2007病毒野生型毒株,经过在小鼠体内进行8次传代后,毒力逐渐增强,从无致病力到致死率达到100%,对鼠肺适应株与野生型毒株进行基因比对,发现适应株HA基因发生了3个有义突变。结论野生季节性低致病力H1N1流感病毒可经在小鼠中经过多次传代而获得高致病力H1N1鼠肺适应株,HA蛋白89位Thr至Ile的突变对毒力的增强起决定性作用。

利用LS+AR模型对UT1-UTC进行中长期预报

采用最小二乘（LS）与自回归（AR）模型相结合的方法,建立适合UT1-UTC预报的LS＋AR模型。首先扣除UT1-UTC序列中的闰秒和固体地球带谐潮汐项,并对处理后的UT1-UTC序列作一次差分,然后对差分序列进行LS拟合,再用AR模型对LS拟合残差建模,最后将AR模型预测值和LS外推值相加,得到差分序列预测值,再将预报的一次差还原,同时恢复闰秒和潮汐项,得到UT1-UTC预报值。通过与地球定向参数预报比较竞赛（EOP PCC）结果的对比表明,该方法的超短期（1-10 d）、短期（1-30 d）和中长期（1-500 d）预报精度均接近国际先进水平。同时以中国科学院国家授时中心（NTSC）每日例行预报的UT1-UTC为例进行了试验验证,进一步验证了LS＋AR模型的有效性。

具有AR(1)误差的线性随机效应模型中方差齐性和自相关性的检验

在回归分析中,方差齐性是一个很基本的假设.本文对具有AR(1)误差的线性随机效应模型,研究了方差齐性和自相关性的检验问题.我们分别讨论了随机误差异方差、随机效应异方差、多元异方差以及自相关性的检验问题,并用score检验方法给出了三种方差齐性和自相关性的检验统计量.随机模拟的结果表明,当样本容量较大时,检验的功效较好.本文还给出一个数值例子说明检验方法的实用性.另外,模型的结果也可以推广到非线性情形.

具有AR(1)误差的非线性随机效应模型中自相关系数的扰动诊断

随机效应模型广泛应用于刻画重复测量数据的特征,Banerjee和Frees[1]用Cook距离,Lesaffre和Verbeke[2]用影响曲率分别对线性随机效应模型进行了分析.本文利用影响曲率对具有AR(1)误差的非线性随机效应模型中的自相关系数扰动进行了分析,得到了影响曲率的表达式,并且利用血浆药物渗透数据(Davidian和Gillinan[3])来说明分析方法的应用.

正态AR(1)模型参数的极大似然估计的解析解及其讨论

在AR(1)模型中(假定R(0)=1),求出了参数R(1)的极大似然估计的解析表达式,并证明其唯一存在而且一定在平稳域中.

基于AR(1)-MA(0)模型的房地产价格预测研究

分析了利用AR(1)-MA(0)模型进行房地产价格预测的基本思想、操作流程,推导了AR(1)-MA(0)模型进行房地产价格一步及多步预测的公式。在此基础上,对2001～2005年太原市商品房住宅价格进行预期评估的实证研究,评估结果证实该方法具有良好的可操作性及评估精度。

基于AR(1)-GARCH(1,1)模型的SHIBOR利率波动性研究

使用隔夜拆借利率数据为样本,利用模型对SHIBOR市场利率的动态特性进行研究.研究结果表明:首先,SHIBOR隔夜拆借利率存在条件异方差性;其次,所使用的AR(1)-GARCH(1,1)模型能够很好地刻画SHIBOR隔夜拆借利率序列的自相关性和条件异方差现象,进而可以准确地对其波动性进行估计和预测;再次,SHIBOR市场隔夜拆借利率的变动与其前一期利率的变动关系十分紧密,而隔夜拆借利率波动受前一期利率波动的影响很大,具有很强的持续性.

基于AR(1)模型的卡尔曼滤波法在危岩体变形分析中的应用

将AR(1 )模型的模型参数作为状态向量 ,用卡尔曼滤波法进行危岩体变形分析。实例计算表明 ,这种方法能够提高AR(1 )

基于AR(1)模型的阵列传感器信号融合算法研究

本文将时间序列理论成功应用于阵列传感器信息融合和模式识别中,用AR(1)模型针对三个样本对不同传感器的响应信号进行建模,用Durbin-Levinson方法估计出AR(1)模型的自回归参数,依据不同的样本数据得到不同的模型参数,不同的参数即融合了不同样本的特征信息.实验结果表明该方法有效的解决了工程实际问题,对时间序列理论在信息融合和模式识别中的应用有一定的参考价值.

具有AR(1)误差的线性回归模型的统计诊断

在通常的线性回归诊断中,大多采用了方差齐性这一基本假定。但是在实际中遇到的问题往往比较复杂,误差项可能存在自相关性。文章研究了具有AR(1)误差的均值漂移模型和数据删除模型,得到了相应的诊断统计量,并证明了在AR(1)误差存在的情况下二者不是等价的。最后,通过一组实际数据来说明分析方法的有效性。

误差为AR(1)情形的半参数回归模型拟极大似然估计的存在性

在误差为AR(1)时间序列的情形下,给出了半参数回归模型的拟极大似然估计方程,并研究了拟极大似然估计量的存在性。

二重AR(1)模型的参数估计

二重AR(1)模型是普通AR(1)模型的非线性化,也可看作是RCAR(1)模型的进一步推广。由于二重AR(1)模型比较复杂,传统参数估计方法难以估计其参数,本文提出采用MCMC方法来估计其参数。

无信息先验下平稳AR(1)模型的贝叶斯推断

研究AR(1)时间序列模型在平稳条件下的贝叶斯推断理论,构造了模型自回归系数和尺度参数的无信息先验分布,推导得到了其后验分布、后验均值、众数、中位数、分位数和最大后验区间估计,最后对几组仿真数据进行了贝叶斯分析.

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.

模型AR(1)-MA(1)的参数矩估计及其有关极限定理

详细讨论了模型AR(1)-MA(1)的参数估计及其有关极限定理。

随机AR(1)-MA(1)模型的参数矩估计及其相容性

利用矩估计法 ,给出了双重时序模型AR( 1)MA( 1)的参数矩估计 .在第二重模型MA( 1)噪声方差已知的条件下 ,通过对协方差函数渐近性质的研究 ,证明了该矩估计的相容性 .讨论了第二重模型满足对数MA时的参数的矩估计及其相容性。