本文選題：變點(diǎn)監(jiān)測(cè) + 變點(diǎn)檢驗(yàn)　； 參考：《西北工業(yè)大學(xué)》2015年博士論文

【摘要】：時(shí)間序列模型是根據(jù)觀測(cè)到的時(shí)間序列數(shù)據(jù)建立的模型,如隨機(jī)系數(shù)自回歸(Random coefficient autoregressive,RCA)模型,GARCH(Generalized autoregressive conditional heteroskedasticity,GARCH)模型,Logistic回歸(Logistic regression)模型等,上述時(shí)間序列模型是一維數(shù)據(jù)模型,面板數(shù)據(jù)模型是同時(shí)在時(shí)間和截面上的二維數(shù)據(jù)模型.時(shí)間序列模型和面板數(shù)據(jù)模型是計(jì)量經(jīng)濟(jì)學(xué)研究的重要內(nèi)容.在時(shí)間序列和面板數(shù)據(jù)分析中,監(jiān)測(cè)和檢驗(yàn)?zāi)Ｐ蛥?shù)是否存在變點(diǎn)對(duì)準(zhǔn)確建立模型和正確分析數(shù)據(jù)有重要意義.本文研究RCA(p)模型,GARCH(p,q)模型,Logistic回歸模型和面板數(shù)據(jù)模型參數(shù)變點(diǎn)監(jiān)測(cè)與檢驗(yàn)問(wèn)題.本文主要研究成果和創(chuàng)新點(diǎn)如下:(1)首次將RCA(1)(Random coefficient autoregressive model of order one)模型的參數(shù)變點(diǎn)監(jiān)測(cè)推廣到RCA(p)(Random coefficient autoregressive model of order p)模型.在原假設(shè)下給出監(jiān)測(cè)統(tǒng)計(jì)量的漸近分布,在備擇假設(shè)下證明其一致性.模擬結(jié)果表明只要選擇合適的邊界函數(shù),所提方法均有較好的監(jiān)測(cè)效果.數(shù)值模擬和實(shí)例分析表明了所給方法的有效性.(2)對(duì)于GARCH(p,q)模型誤差項(xiàng)平方的分布變點(diǎn)監(jiān)測(cè),提出KolmogorovSmirnov型和經(jīng)驗(yàn)特征函數(shù)型統(tǒng)計(jì)量.在原假設(shè)下得到兩類(lèi)監(jiān)測(cè)統(tǒng)計(jì)量的漸近分布,在備擇假設(shè)下證明其一致性.利用Bootstrap方法模擬經(jīng)驗(yàn)特征函數(shù)型統(tǒng)計(jì)量的臨界值,證明了Bootstrap方法的收斂性.數(shù)值模擬驗(yàn)證了方法的有效性.(3)首次將二元Logistic回歸模型(Binary logistic regression model)的參數(shù)變點(diǎn)檢驗(yàn)和監(jiān)測(cè)推廣到多元Logistic回歸模型(Multinomial logistic regression model)和累積Logistic回歸模型(Cumulative logistic regression model).在原假設(shè)下給出了檢驗(yàn)和監(jiān)測(cè)統(tǒng)計(jì)量的漸近分布,備擇假設(shè)下證明了其一致性.數(shù)值模擬和實(shí)例分析表明了方法的有效性.(4)利用CUSUM方法分別研究了一般面板數(shù)據(jù)模型的方差變點(diǎn)檢驗(yàn)和個(gè)體固定效應(yīng)面板數(shù)據(jù)模型的系數(shù)變點(diǎn)檢驗(yàn).在原假設(shè)下證明了CUSUM型檢驗(yàn)統(tǒng)計(jì)量的極限分布,在備擇假設(shè)下證明了其一致性.數(shù)值模擬和實(shí)例分析驗(yàn)證了方法的有效性.
[Abstract]:The time series model is a model based on observed time series data, such as random coefficient autoregressive model, GARCHCHN generalized autoregressive conditional heterosed logistic regression model, and so on. The above time series model is a one-dimensional data model. Panel data model is a two-dimensional data model in both time and section. Time series model and panel data model are important contents of econometrics research. In the analysis of time series and panel data, it is very important to monitor and check whether the model parameters are changeable or not to establish the model accurately and analyze the data correctly. In this paper, we study the problem of parameter change point monitoring and checking in RCAP) model and panel data model, which are based on Logistic regression model and panel data model. The main achievements and innovations of this paper are as follows: 1) the parameter change point monitoring of RCA(1)(Random coefficient autoregressive model of order one) model is extended to RCA(p)(Random coefficient autoregressive model of order p) model for the first time. The asymptotic distribution of the monitoring statistics is given under the original hypothesis, and the consistency is proved under the alternative hypothesis. The simulation results show that the proposed method has a good monitoring effect as long as the proper boundary function is selected. Numerical simulation and example analysis show the effectiveness of the proposed method. It is shown that the KolmogorovSmirnov type and empirical eigenfunction type statistics are proposed to monitor the distribution of the square of the error term in the GARCHF / PQ model. The asymptotic distribution of two kinds of monitoring statistics is obtained under the original hypothesis, and the consistency is proved under the alternative hypothesis. The Bootstrap method is used to simulate the critical value of empirical eigenfunction statistics, and the convergence of Bootstrap method is proved. The validity of the method is verified by numerical simulation. (3) for the first time, the binary Logistic regression model is extended to multivariate Logistic regression model Multinomial logistic regression model) and cumulative Logistic regression model Cumulative logistic regression model. The asymptotic distribution of test and monitoring statistics is given under the original hypothesis, and the consistency is proved under alternative assumptions. Numerical simulation and example analysis show the effectiveness of the method. (4) using CUSUM method, the variance change point test of general panel data model and coefficient change point test of individual fixed effect panel data model are studied respectively. The limit distribution of CUSUM type test statistics is proved under the original hypothesis, and the consistency is proved under the alternative hypothesis. The effectiveness of the method is verified by numerical simulation and example analysis.
【學(xué)位授予單位】：西北工業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：O211.61

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 周影輝;倪中新;謝琳;;泊松序列中變點(diǎn)的快速識(shí)別方法[J];統(tǒng)計(jì)與決策;2013年11期

2 陳希孺;變點(diǎn)統(tǒng)計(jì)分析簡(jiǎn)介[J];數(shù)理統(tǒng)計(jì)與管理;1991年01期

3 繆柏其,趙林城,譚智平;關(guān)于變點(diǎn)個(gè)數(shù)及位置的檢測(cè)和估計(jì)[J];應(yīng)用數(shù)學(xué)學(xué)報(bào);2003年01期

4 王黎明;變點(diǎn)統(tǒng)計(jì)分析問(wèn)題及其應(yīng)用[J];內(nèi)蒙古統(tǒng)計(jì);2004年03期

5 黃志堅(jiān);張志華;金家善;;基于分組數(shù)據(jù)的可靠性變點(diǎn)分析[J];兵工自動(dòng)化;2007年10期

6 王黎明;;三種變點(diǎn)問(wèn)題理論及其應(yīng)用[J];泰山學(xué)院學(xué)報(bào);2007年06期

7 張恒;張志華;;產(chǎn)品使用可靠性的變點(diǎn)模型及其統(tǒng)計(jì)分析[J];湖北師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2009年03期

8 王景樂(lè);劉維奇;;時(shí)間序列中方差的結(jié)構(gòu)變點(diǎn)的小波識(shí)別(英文)[J];應(yīng)用概率統(tǒng)計(jì);2010年02期

9 廖遠(yuǎn)u&;朱平芳;;均值和方差雙重變點(diǎn)的貝葉斯偵測(cè)[J];統(tǒng)計(jì)研究;2011年11期

10 王小剛;王黎明;;一類(lèi)面板模型中部分結(jié)構(gòu)變點(diǎn)的檢測(cè)和估計(jì)[J];山東大學(xué)學(xué)報(bào)(理學(xué)版);2012年07期

相關(guān)會(huì)議論文 前3條

1 陳惠;湯銀才;;已知變點(diǎn)數(shù)下二次回歸模型方差變點(diǎn)分析[A];中國(guó)現(xiàn)場(chǎng)統(tǒng)計(jì)研究會(huì)第12屆學(xué)術(shù)年會(huì)論文集[C];2005年

2 汪永新;;短樣本多指標(biāo)動(dòng)態(tài)經(jīng)濟(jì)數(shù)據(jù)變點(diǎn)的識(shí)別方法[A];中國(guó)現(xiàn)場(chǎng)統(tǒng)計(jì)研究會(huì)第九屆學(xué)術(shù)年會(huì)論文集[C];1999年

3 李強(qiáng);王黎明;王文雯;;基于中國(guó)股市行業(yè)收益率面板數(shù)據(jù)的貝葉斯方法變點(diǎn)檢測(cè)[A];中國(guó)系統(tǒng)工程學(xué)會(huì)第十八屆學(xué)術(shù)年會(huì)論文集——A13其他管理領(lǐng)域的創(chuàng)新研究成果問(wèn)題[C];2014年

相關(guān)博士學(xué)位論文 前9條

1 李拂曉;幾類(lèi)時(shí)間序列模型變點(diǎn)監(jiān)測(cè)與檢驗(yàn)[D];西北工業(yè)大學(xué);2015年

2 張立文;分位數(shù)回歸中變點(diǎn)問(wèn)題的若干研究[D];復(fù)旦大學(xué);2014年

3 王丹;重尾序列與非參數(shù)回歸模型的變點(diǎn)分析[D];西北大學(xué);2014年

4 譚常春;變點(diǎn)問(wèn)題的統(tǒng)計(jì)推斷及其在金融中的應(yīng)用[D];中國(guó)科學(xué)技術(shù)大學(xué);2007年

5 韓四兒;兩類(lèi)厚尾相依序列的變點(diǎn)分析[D];西北工業(yè)大學(xué);2007年

6 董翠玲;測(cè)量誤差模型方差變點(diǎn)的統(tǒng)計(jì)推斷[D];中國(guó)科學(xué)技術(shù)大學(xué);2013年

7 聶維琳;變點(diǎn)靠近序列端點(diǎn)的檢測(cè)問(wèn)題[D];武漢大學(xué);2010年

8 趙華玲;逐段線性回歸中變點(diǎn)問(wèn)題的統(tǒng)計(jì)推斷[D];武漢大學(xué);2011年

9 王景樂(lè);非參數(shù)模型中變點(diǎn)的檢測(cè)及刪失數(shù)據(jù)中刪失指標(biāo)隨機(jī)缺失下回歸函數(shù)的估計(jì)[D];復(fù)旦大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 陳少夢(mèng);基于Cucconi檢驗(yàn)及變點(diǎn)模型的非參數(shù)統(tǒng)計(jì)質(zhì)量控制圖研究[D];浙江大學(xué);2015年

2 劉俐;基于變點(diǎn)—模糊理論的龍灘水庫(kù)汛期分期調(diào)度研究[D];廣西大學(xué);2015年

3 劉晉芳;多元正態(tài)向量均值變點(diǎn)在線監(jiān)測(cè)[D];山西大學(xué);2015年

4 王新喬;半?yún)?shù)面板回歸模型的變點(diǎn)分析[D];大連理工大學(xué);2015年

5 樊慶祝;基于貝葉斯分析理論的快遞業(yè)務(wù)量變點(diǎn)研究[D];廣西師范學(xué)院;2015年

6 俞祥祥;位置參數(shù)變點(diǎn)的統(tǒng)計(jì)推斷研究[D];合肥工業(yè)大學(xué);2015年

7 劉偉棠;若干變點(diǎn)模型的經(jīng)驗(yàn)似然推斷[D];浙江財(cái)經(jīng)大學(xué);2016年

8 彭秋曦;左截?cái)嘤覄h失數(shù)據(jù)下指數(shù)分布變點(diǎn)的Bayes估計(jì)[D];重慶大學(xué);2015年

9 呂會(huì)琴;厚尾相依序列變點(diǎn)Ratio檢驗(yàn)[D];西安工程大學(xué);2016年

10 侯炳山;面板數(shù)據(jù)中均值與方差的斷點(diǎn)分析[D];浙江大學(xué);2016年

，

本文編號(hào)：1861726