2018年, 第34卷, 第2期　刊出日期：2018-04-26

  

• 全选
  |

学术论文
• Select
  固定效应面板数据部分线性模型的加权截面LSDV估计

  朱能辉、李肖、施雅丰

  应用概率统计. 2018, 34(2): 111-134. https://doi.org/10.3969/j.issn.1001-4268.2018.02.0001

  摘要 ( ) PDF全文 ( ) 可视化 收藏

  致的自回归系数估计量.因此本文提出一个替代估计并证明所提出的自回归系数估计是一致的,且该方法在任何阶的自回归误差下都是可行的. 进一步, 通过结合~B~样条近似,截面最小二乘虚拟变量LSDV技术和自回归误差结构的一致估计,本文使用加权截面LSDV估计参数部分和加权B样条BS估计非参数部分,得到的加权截面LSDV估计量被证明是渐近正态的,且比可忽略误差的自回归结构模型更渐近有效. 另外,加权BS估计量被推导出具有渐近偏差和渐近正态性.模拟研究和实际例子相应地说明了所估计程序的有限样本性.

• Select
  一种基于多维尾条件期望的扩散模型检验方法

  王骏, 陈萍

  应用概率统计. 2018, 34(2): 135-144. https://doi.org/10.3969/j.issn.1001-4268.2018.02.002

  摘要 ( ) PDF全文 ( ) 可视化 收藏

  为了解决多维扩散模型的设定检验问题,我们基于多维尾条件期望~(CTE)~制定了一个检验统计量.虽然不能直接估计出多维扩散模型的转移密度矩阵,
  但是可以估计出每个分量的转移密度, 再通过~CTE~将每个分量联合起来,建立了一个真正的多维统计量. 最后通过仿真模拟评估了该检验方法的检验的性能.

• Select
  一类随机加权和的渐近性及其应用

  刘希军, 于长俊

  应用概率统计. 2018, 34(2): 145-155. https://doi.org/10.3969/j.issn.1001-4268.2018.02.003

  摘要 ( ) PDF全文 ( ) 可视化 收藏

  本文考虑随机加权和及其最大值尾概率的渐近性,其中增量{X_i,i\geq1\}为一列独立同分布的实值随机变量,权重{\theta_i,i\geq1\}为另一列非负的随机变量, 并且两列随机变量满足某种相依结构. 在增量的共同分布F属于控制变换分布族的条件下,我们得到了随机加权和及其最大值尾概率的弱渐近等价估计. 特别地,
  当F属于一致变换分布族时, 得到了渐近等价估计. 最后,我们将该结果应用于破产概率的渐近估计.

• Select
  基于~估计的指数相关非线性混合效应模型的齐性检验

  孙慧慧, 林金官

  应用概率统计. 2018, 34(2): 156-168. https://doi.org/10.3969/j.issn.1001-4268.2018.02.004

  摘要 ( ) PDF全文 ( ) 可视化 收藏

  方差和相关系数的齐性是纵向数据分析中常用假设之一,然而, 这些假设未必合适. 本文主要研究的是具有指数相关结构的纵向数据非线性混合效应模型, 首先将Huber函数引入模型的对数似然函数中,利用Fisher得分迭代法得到模型参数的稳健估计M估计,然后基于M估计对模型的方差和相关系数的齐性进行了Score检验,
  并给出了检验统计量的Monte-Carlo模拟结果. 最后用一个实例说明了本文的方法.

• Select
  PA序列的H\'{a}jek-R\'{e}nyi型不等式及强大数定律

  冯德成, 王晓艳, 高玉峰

  应用概率统计. 2018, 34(2): 169-176. https://doi.org/10.3969/j.issn.1001-4268.2018.02.005

  摘要 ( ) PDF全文 ( ) 可视化 收藏

  本文给出了零均值PA序列的一个新的H\'{a}jek-R\'{e}nyi型不等式, 该不等式推广了文献ncite{9}中的结果.此外, 本文还得到了零均值PA序列的一个Brunk-Prokhorov型强大数定律.

• Select
  基于fMRI数据的全脑动态功能连接网络拓扑属性的研究

  易思维, 郭水霞

  应用概率统计. 2018, 34(2): 177-190. https://doi.org/10.3969/j.issn.1001-4268.2018.02.006

  摘要 ( ) PDF全文 ( ) 可视化 收藏

  人的大脑有约10^{11}个神经元,神经元之间通过其突触相互连接而组成一个高度复杂的网络,挖掘该网络的信息意义十分重大, 将有助于解决人类认知性障碍疾病的预防和诊断.本文利用精神分裂症病人和正常对照受试者的功能性磁共振成像~(functionalmagnetic resonance imaging, fMRI)~数据来构造人脑网络模型,
  再基于图论方法对精神分裂症病人的脑网络的异常拓扑属性进行探索.在传统的基于图论方法对人脑网络信息进行挖掘时,都是假设人脑网络模型具有时不变性,
  因而在构造人脑网络模型时是取整个时间段的时间序列数据进行构造的,构造出的是一种静态不变的网络, 然而~fMRI~功能像时间序列数据具有不平稳性,
  难以保证时不变这一前提. 因此, 在构造人脑网络模型时, 应该考虑其时变性的特点,构造一个动态的脑网络, 这样才能更好地挖掘人脑网络的信息. 本文利用取时间窗口,对时间序列数据进行分段计算, 构造动态的脑网络模型, 再结合图论知识进行分析,从而降低了~fMRI~功能像时间序列数据不平稳性对结果的影响.
  通过对精神分裂症病人和正常对照受试者不同水平的动态脑网络进行对比,结果发现精神分裂症病人和正常对照受试者的全脑动态功能连接网络的单个
  节点的属性、组网络的属性出现差异,这些网络属性差异的发现为进一步研究精神分裂症的病理机制提供了新的线索.

• Select
  基于变量选择和聚类分析的两阶段异方差模型估计

  李顺勇, 钱宇华, 张晓琴, 牛建永

  应用概率统计. 2018, 34(2): 191-200. https://doi.org/10.3969/j.issn.1001-4268.2018.02.007

  摘要 ( ) PDF全文 ( ) 可视化 收藏

  建模经济学领域中的面板数据, 异方差性在所难免.两阶段估计方法是一种较好的研究异方差性的手段, 在进行样本分组时,如果仅选定一个自变量作为依据, 会导致信息量不完整.本文提出了用变量选择的方法筛选出用于分组的几个变量,之后用~$k$~均值方法进行聚类, 进而实现对样本的类别划分,从而可以得到异方差估计. 实证显示: 在异方差估计精度和拟合值方面,本文提出的方法在有效性和可行性方面优势明显.

• Select
  混合序列的VaR分布核估计及其应用

  胡志明, 奚欢, 王黎明

  应用概率统计. 2018, 34(2): 201-212. https://doi.org/10.3969/j.issn.1001-4268.2018.02.008

  摘要 ( ) PDF全文 ( ) 可视化 收藏

  本文首先在rho,混合相依序列情形下,研究了VaR分布核估计\nu_{p,h}的均方误差和最优窗宽,得到的最优窗宽使得均方误差MSE\nu_{p,h})达到最小.利用拉普拉斯分布密度函数代替窗宽表达式中的密度函数,采用插值的方法计算最优窗宽的具体值. 借助所得到最优窗宽进行数值模拟,结果显示, VaR分布核估计值与次序统计量估计值相比, 分布核估计的效果更好.实证结果表明深证B股指数的风险明显大于上证A股指数.

• Select
  筚路蓝缕, 创业维艰-----记浙江大学概率统计学科拓路人陆传荣教授

  苏中根

  应用概率统计. 2018, 34(2): 213-219. https://doi.org/10.3969/j.issn.1001-4268.2018.02.009

  摘要 ( ) PDF全文 ( ) 可视化 收藏

  筚路蓝缕, 创业维艰-----记浙江大学概率统计学科拓路人陆传荣教授