本文讨论了带有ARCH（p）误差的部分函数线性模型中参数的估计。 结合功能原理，提出了一种混合估计方法。 获得均值模型中线性参数和ARCH误差模型中参数的估计量的渐近正态性，并建立了斜率函数估计的收敛速度。 此外，进行了一些仿真和实际数据分析，以说明问题，并且表明该方法在有限样本下性能良好。
2024-01-09 21:05:58
824KB
1
偏态分布分为正偏态分布和负偏态分布。
正偏态分布是相对正态分布而言的。当用累加次数曲线法检验数据是否为正态分布时，若M>Me>Mo时，即平均数大于中数，中数又大于众数，则数据的分布是属于正偏态分布。正偏态分布的特征是曲线的最高点偏向X轴的左边，位于左半部分的曲线比正态分布的曲线更陡，而右半部分的曲线比较平缓，并且其尾线比起左半部分的曲线更长，无限延伸直到接近X轴。
负偏态分布也是相对正态分布而言的。当用累加次数曲线法检验数据是否为正态分布时，若M
2022-05-05 09:09:22
1KB
1
Shapiro-Wilk 复合正态性参数假设检验，样本量 3<= n <= 5000。基于 Royston R94 算法。 此检验还对 platykurtic 样本执行 Shapiro-Francia 正态性检验。
2022-04-16 23:21:02
4KB
1
在文献中，有几种可用的多元正态性检验（约 50）。 其中包括基于观测值平方 Mahalanobis 距离的卡方分位数-分位数图的图形方法。 除了图形 qq 接近之外，在这个文件中，我们提出了一个替代的统计测试。 它只需要多元样本数据矩阵。
2022-02-25 18:59:00
4KB
1
正态性检验过程步骤:
1.Analyze
2.Descriptive Statistics
3.Explore…
2022-02-09 21:50:54
320KB
1
Henze 和 Zirkler (1990) 介绍了单变量的多变量版本 统计文献中有许多用于评估多变量正态性的测试（Mecklin 和 Mundfrom，2003）。 不幸的是，没有已知的统一最强大的测试，建议执行多个测试来评估它。 已经发现，Henze和Zirkler检验具有很好的总体能力，可以替代正态性的替代方法。
Henze-Zirkler 检验基于测量两个分布函数之间的距离的非负函数距离：多元正态性的特征函数和经验特征函数。
Henze-Zirkler 统计量近似呈对数正态分布。 对数正态分布用于计算原假设概率。
根据 Henze-Wagner (1997) 的说法，该测试具有以下理想特性：
-仿射不变性-- 对每个固定非正态替代分布的一致性--针对 n^-1/2 阶连续替代的渐近幂-- 任何维度和任何样本大小的可行性
如果数据是多元正态的，则检验统计量 HZ 近似服从对
2021-12-15 21:35:02
5KB
1
Anderson-Darling 检验（Anderson 和 Darling，1952 年）用于测试数据样本是否来自特定分布。 它是对 Kolmogorov-Smirnov (KS) 检验的修改，并且比 KS 检验赋予尾部更多的权重。 KS 测试是无分布的，因为临界值不依赖于被测试的特定分布。
Anderson-Darling 检验在计算临界值时使用特定分布。 这样做的优点是允许进行更灵敏的测试，缺点是必须为每个分布计算临界值。
Anderson-Darling 检验仅适用于少数特定分布。 测试计算如下： AD2 = 积分{[F_o(x)-F_t(x)]^2/[F_t(x)(1-F_t(x)0]}dF_t(x)
AD2a = AD2*a
请注意，对于给定的分布，Anderson-Darling 统计量可以乘以常数 a（通常取决于样本大小 n）。 这些常数在 Stephens (1
2021-08-21 13:01:18
4KB
1