简介:鉴于极差比方差更容易获得,所以利用极差对正态总体方差进行间接预估以确定样本量的想法很有实用价值。根据数理统计理论,若以E(Rn)表示正态总体在样本规模n下样本极差的期望,则有E(Rn)=dnσ,dn可以通过多重积分计算得到,且只与n有关,而与μ和σ^2无关。但这种多重积分式虽然有利于在理论上阐明dm与相关变量之间的“定性”关系,却无助于在应用上获得dm与n的定量关系式。本文利用随机模拟方法和线性回归分析得到dm的一个简明表达式:dm=0.5ln(n)+3,从而由此间接获得一个正态总体方差的估计值:σ^2=[Rn/(0.5ln(n)+3)]^2。这将使直接利用“更便宜的”极差确定样本量具有可操作性。
简介:非参数可加ACD模型对条件期望的函数形式与随机误差项的分布形式要求都没有参数ACD模型强,因此不会像参数ACD模型那样因模型形式设定错误而得出错误结论。非参数可加ACD模型估计出来的各个可加部分图形的形状对于正确设定参数ACD模型具有一定的指导作用。
简介:基于三种退势方法较详细研究了方差比检验在非对称单位根检验中的适用性,并通过MC模拟揭示了其检验势性质。结果表明:在不含趋势项的TAR下,两机制TAR数据落在第一机制的比率是影响方差比检验势的重要因素,且比率越高检验势也越高;三机制TAR中落在中间机制的数据比率会影响检验势,随着比率增加检验势呈下降趋势,但程度不大。在含趋势的TAR下,由于趋势项在数据生成过程中具有支配作用,各种检验势会随着趋势设定的不同而不同。数据在不同机制之间的转换概率越高,则ROLS和RDM退势较OLS退势具有明显优势。
简介:X^2检验在参数检验和非参数检验有着广泛的应用,但在教学和科研中,我们发现X^2检验应用功能被扩大化了,教学和科研人员往往忽略了使用X^2检验的前提条件和应用的局限性。本文着重讨论X^2检验在非参数检验中的两个比较严重的局限性问题,并提出了相应的解决方法.以期提高统计方法应用的准确性.