Testing Equality of Autocovariance Operators for Functional Time Series
我们考虑希尔伯特空间值随机变量的严格平稳随机过程,并着重于几个独立函数时间序列的零滞后自协方差算子相等性的全函数检验。提出了一种基于移动块引导的测试方法,该方法产生满足感兴趣的原假设的伪随机元。它是基于直接引导的张量积的时间序列,克服了一些常见的困难与应用程序的引导相关的测试问题。建议的方法可以潜在地应用于广泛的检验统计量的假设的兴趣。作为一个例子,我们建立了有效的近似分布下的空的检验统计量的基础上相应的样本滞后零自协方差算子的Hilbert-Schmidt距离,并显示下的替代品的一致性。作为一个先决条件,我们证明了一个中心极限定理的移动块自助程序适用于样本自协方差算子,这是感兴趣的本身。有限的样本量和功率性能的建议移动块引导为基础的测试过程中示出通过模拟和应用程序的现实生活中的数据集进行了讨论。
2020-04-05 math.ST stat.TH
Bootstrap-Assisted Unit Root Testing With Piecewise Locally Stationary Errors
在单位根检验中,采用分段局部平稳过程来适应非平稳误差,这些误差可以具有二阶或高阶特性的平滑和突变。在此框架下,传统的单位根检验统计量的极限零分布的推导,并显示包含一些未知参数。为了避免直接一致估计的困难,我们提出了使用依赖的wildbootstrap来近似非关键极限零分布,并为bootstrap一致性提供了严格的理论证明.所提出的方法进行了比较,通过有限样本模拟与重新着色的野生自助程序,这是开发的错误,遵循异方差线性过程。此外,自回归筛选与相关的野生引导相结合,表现良好。第一次证明了在非平稳设置的依赖野生引导的有效性,显示扩展到其他推理问题与局部平稳过程的可能性。
2018-02-14 econ.EM math.ST stat.TH
The validity of bootstrap testing in the threshold framework
本文研究了非线性门限自回归(TAR)模型中门限效应的Bootstrap检验。众所周知,基于渐近理论的经典检验在样本量较小甚至中等的情况下,或者当估计的参数显示非平稳性时,往往会过大,这在金融或气候数据分析中经常看到。为了解决这个问题,我们提出了一个上确界拉格朗日乘子检验统计量(sLMb),其中的原假设指定一个线性自回归(AR)模型对TAR模型的替代。我们认为一个递归的自举应用于sLMb统计量,并建立其有效性。这一结果是新的,需要证明时间序列模型中自举分析的非标准结果;这包括一致的自举大数定律和自举泛函中心极限定理。这些新的结果也可以被用来作为一个一般的理论框架,可以适应其他情况下,如政权转换过程与外源阈值变量,或测试的结构断裂。蒙特卡罗证据表明,自助检验具有正确的经验大小,即使在小样本,也没有损失的经验力量相比,渐近检验。此外,它的性能不受影响,如果自回归的顺序估计的基础上的信息准则。最后,我们分析了一组短时间序列,以评估气候变暖对人口动态的影响。
2021-12-31 math.ST stat.ME stat.TH
Testing Structural Changes in Panel Data with Small Fixed Panel Size and Bootstrap
我们感兴趣的面板数据由中等或相对较大数量的面板组成,而面板包含少量观测。本文建立了测试程序,以检测面板的平均值可能发生的常见变化。为此,我们考虑了一个比率型检验统计量,并在不变原假设下得到了它的渐近分布。此外,我们证明了在替代下的测试的一致性。这种方法的主要优点是观测值的方差既不需要知道也不需要估计。另一方面,需要计算相关结构。为了克服这个问题,提出了一种完全数据驱动的方法,无需任何调优参数的引导技术。证明了自举算法的有效性。作为一个副产品的开发测试,我们介绍了一个共同的断点估计,并证明其一致性。通过仿真研究说明了结果。应用程序的精算数据。
2015-09-03 math.ST stat.TH
Frequentist and Bayesian measures of confidence via multiscale bootstrap for testing three regions
针对期望参数未知的多元正态模型,讨论了基于Bootstrap概率的频率论$p$值和贝叶斯后验概率的计算方法.原假设表示为任意形状的区域。我们引入了新的参数模型的比例律的自助概率,使多尺度自助方法,这是专为单侧检验,也可以计算置信度的双侧检验,扩大适用范围更广泛的一类假设。参数估计的两步多尺度自举,也包括高阶项。模型选择不仅是我们方法的激励应用,而且是方法中的基本成分。频率论和贝叶斯之间的妥协是试图通过显示贝叶斯后验概率与noninformative先验解释为一个频率论$p$ -值的“零侧”测试。
2008-07-01 math.ST stat.ME stat.TH
Wild Bootstrapping Rank-Based Procedures: Multiple Testing in Nonparametric Split-Plot Designs
裂区或重复测量设计经常用于生命科学或社会科学中的计划实验。典型的例子包括随着时间的推移比较不同的治疗,其中两个因素可能拥有一个额外的因子结构。对于此类设计,统计分析通常包括几个步骤。如果全局空值被拒绝,通常会执行多次比较。一般的析因重复测量设计通常由经典的线性混合模型推导。常见的基本假设,如正态性或方差齐性,在实际数据中往往不符合。此外,为了处理,例如,有序或有序分类数据,应使用适当的效应量。在这里,多重对比测试和一般析因裂区设计的同步置信区间的开发和配备了一种新的渐近正确的野生自助方法。由于监管机构通常要求计算置信区间,因此本工作还为单个对比和有意义效应中不同对比的比值提供了同步置信区间。进行了大量的模拟,以促进理论研究结果。最后,两个不同的数据集验证了新方法的适用性。
2017-10-12 math.ST stat.TH
Testing Kronecker Product Covariance Matrices for High-dimensional Matrix-Variate Data
克罗内克积协方差结构为矩阵变量数据的相关性建模提供了一种有效的方法。本文基于重正化样本协方差阵的线性谱统计量,提出了Kronecker乘积协方差阵的检验统计量。证明了线性谱统计量的中心极限定理,给出了均值函数和协方差函数的显式表达式,填补了文献空白。然后,我们从理论上证明,建议的检验统计量具有良好的控制大小和强大的权力。为了便于实际应用,我们进一步提出了一个自举恢复算法来近似相关的线性谱统计量的极限分布。自举过程的一致性在温和的条件下得到保证。还将讨论允许噪声存在的更一般的模型。在模拟中,所提出的测试程序及其自举版本的经验大小接近相应的理论值,而功率收敛到一个快速的尺寸和样本量的增长。
2022-04-29 math.ST stat.TH
Bootstrapping High Dimensional Time Series
本文在近似线性统计的一般框架下研究了高维弱相依时间序列的Bootstrap推断。这些高维应用包括:(1)均值向量的均匀置信带;(2)时间序列二阶特性的规范检验,如白噪声检验协方差阵的带性检验;(3)时间序列谱特性的规范检验。在理论上,我们首先推导出一个高斯近似结果的最大值的弱相关向量的总和,其中的向量的维数允许是指数大于样本量。特别是,我们说明了一个有趣的依赖和维数之间的相互作用,并讨论了一种类型的“无维”的依赖结构。我们进一步提出了一个块乘子(野生)引导,工程时间序列未知的自协方差结构。这些分布近似误差是有限样本有效的,在样本量中呈多项式递减。一个非重叠的块引导也被研究作为一个更灵活的替代方案。上述结果是在Wu(2005)提出的一般物理/函数相关框架下建立的。我们的工作可以被看作是一个实质性的扩展Escherzhukov等人。(2013)时间序列的基础上,斯坦的方法的一个变种,其中开发。
2014-08-11 math.ST stat.TH
Testing Equality of Spectral Density Operators for Functional Processes
本文考虑了两个泛函过程的二阶结构的比较问题,并研究了一个用于检验相应谱密度算子相等性的$L^2$型统计量.检验统计量在所有频率上评估两个估计的谱密度算子之间的希尔伯特-施密特距离。在一定的假设条件下,导出了在原假设下的极限分布。提出了一种新的频域Bootstrap方法,该方法比大样本高斯近似方法更精确地逼近零值下的检验统计量分布。在相当一般的条件下,建立了估计零值下检验统计量分布的Bootstrap方法的渐近有效性。此外,基于Bootstrap的测试的一致性下的替代证明。数值模拟表明,即使对于小样本,基于自举的测试具有非常好的尺寸和功耗行为。一个二元现实生活中的功能时间序列的应用程序说明了所提出的方法。
2021-06-28 math.ST stat.TH
Testing for a General Class of Functional Inequalities
本文提出了检验非参数函数不等式约束的一般方法。我们的框架在一个统一的框架中包括许多非参数检验问题,在拍卖模型,博弈论模型,工资不平等和显示偏好中有许多可能的应用。我们的测试涉及核型估计$(1\leq p <\infty )$的$L_{p}$泛函的单侧版本,并且通常易于实现,主要是由于其求助于自举方法。自举过程是基于非参数自举应用于基于核的检验统计量,估计“接触集。“我们提供了正则性条件,在该条件下,自助检验在一大类分布上一致渐近有效,包括检验统计量的极限分布退化的情况。我们的自举测试在Monte Carlo实验中表现出良好的功率特性,我们提供了一个一般形式的本地功率函数。作为一个例子,我们考虑测试拍卖理论的影响,为我们的测试提供了原始条件,并通过将我们的测试应用于真实数据来证明其有用性。我们在工资不平等的背景下用第二个经验说明来补充这个例子。
2015-06-17 math.ST stat.ME stat.TH
Testing equality of spectral density operators for functional linear processes
研究了两个独立泛函线性过程的全二阶结构的相等性检验问题。一个功能齐全的$L^2$型测试的开发,评估,在所有的频率,估计的两个过程的谱密度运营商之间的希尔伯特-施密特距离。研究了检验统计量的渐近性质,并在原假设下得到了其极限分布。此外,一种新的频域bootstrap方法,它更准确地逼近检验统计量的分布下的零比大样本高斯近似。建立了Bootstrap过程的渐近有效性,证明了Bootstrap检验在备选方案下的一致性。数值模拟表明,即使对于小样本,基于自举的测试具有非常好的尺寸和功耗行为。本文还介绍了气象功能时间序列的应用。
2020-04-14 math.ST stat.ME stat.TH
Testing the number of common factors by bootstrapped sample covariance matrix in high-dimensional factor models and errata
Shanghai University of Finance and Economics(上海财经大学);Jiangsu Normal University(江苏师范大学);National University of Singapore(新加坡国立大学)
本文研究了高维因子模型中自助法对样本协方差矩阵特征值分布的影响,利用尖刺与非尖刺特征值的不同渐近行为,提出了检验公共因子数目的创新方法,并证明了其在弱因子和截面相关误差下的可靠性。
2026-11-13 math.PR math.ST stat.ME
Model-free Bootstrap and Conformal Prediction in Regression: Conditionality, Conjecture Testing, and Pertinent Prediction Intervals
本文通过理论与数值实验比较回归中的 Model-free Bootstrap 和 conformal prediction,分析条件覆盖率,扩展预测区间切题性,并提出猜想检验及单侧保形分数。
2025-05-16 math.ST stat.ME stat.TH
Differentially Private Chi-Squared Hypothesis Testing: Goodness of Fit and Independence Testing
假设检验是一种有用的统计工具,用于根据总体样本确定是否应拒绝给定模型。样本数据可能包含有关个人的敏感信息,例如医疗信息。因此,重要的是要设计统计测试,以保证数据中受试者的隐私。在这项工作中,我们研究了假设检验受差异隐私,特别是卡方检验的拟合优度的多项式数据和两个分类变量之间的独立性。我们提出了新的测试适合的拟合优度和独立性测试,像经典版本可以用来确定是否一个给定的模型应该被拒绝或不,另外可以确保差分隐私。我们给出了基于蒙特卡罗的假设检验以及更严格遵循经典卡方拟合优度检验和皮尔逊卡方独立性检验的假设检验。至关重要的是,我们的测试考虑了注入的噪声的分布,以确保在确定显著性时的隐私。我们表明,这些测试可以用来实现所需的显着性水平,在鲜明的对比,直接应用经典的测试,以不同的私人列联表,这可能会导致广泛变化的显着性水平。此外,我们还研究了这些测试的统计功效。我们的经验表明,为了达到与经典非私人测试相同的功效水平,我们的新测试只需要相对适度地增加样本量。
2016-06-02 cs.CR math.ST stat.TH
Testing for practically significant dependencies in high dimensions via bootstrapping maxima of U-statistics
本文研究高维向量分量独立性检验,将原假设设为所有两两关联绝对值不超过某阈值,针对可由U-统计量估计的依赖性度量,提出了渐近和自助法水平α检验,并证明其minimax最优性。
2024-02-12 math.PR math.ST stat.TH
Bootstrapping not under the null?
Delft Institute of Applied Mathematics (DIAM), Delft University of Technology(代尔夫特理工大学应用数学研究所);Department of Informatics and Telecommunications, National and Kapodistrian University of Athens(雅典国立卡波蒂斯坦大学信息学与电信系)
本文提出了一种通用的Bootstrap检验框架,用于在原假设下进行重采样,并展示了其在多种假设检验中的应用和优势。
2025-12-11 math.ST stat.ME stat.TH
A bootstrap approach for testing invariance under parameterized group actions: orthogonal reflections and axial symmetry
Centro de Matemáticas, Facultad de Ciencias, Universidad de la República(乌拉圭共和国大学理学院数学中心);Departamento de Matemáticas, Estadística y Computación, Universidad de Cantabria(坎塔布里亚大学数学、统计与计算系);Instituto de Estadística, Facultad de Ciencias Económicas y de Administración, Universidad de la República(乌拉圭共和国大学经济与管理学院统计研究所)
针对多元分布未知方向的轴向对称性检验问题,利用协方差矩阵的简单谱假设将候选方向缩减为有限个,通过投影数据和样本分裂构造Kolmogorov-Smirnov型统计量,并证明其渐近分布和bootstrap有效性。
2026-09-09 math.ST stat.TH
Bootstrapping a Powerful Mixed Portmanteau Test for Time Series
提出了一种新的组合检验统计量,用于检测时间序列数据中的非线性。本文详细阐述了Toeplitz自相关矩阵对残差的自相关和互相关以及残差平方分块矩阵的影响。利用m阶自相关和互相关分块矩阵行列式的对数,导出了一种新的混合检验统计量。所提出的检验统计量的渐近分布推导为卡方分布的线性组合,并且可以近似为Γ分布。该检验用于识别某些平稳时间序列模型的线性和非线性依赖性。结果表明,新的检验方法在许多情况下比其他检验方法具有更高的功效,且收敛到其渐近分布是合理的。我们通过研究沃达丰卡塔尔和日经300指数的日回报率的线性和非线性效应来证明所提出的测试的效率。
2022-08-31 math.ST stat.AP stat.CO
Hypothesis Testing for Functional Linear Models via Bootstrapping
本文提出一种基于函数型主成分分析和自助最大统计量的函数型线性模型斜率函数检验方法,通过将斜率检验转化为高维向量检验以规避不适定问题,并证明在纳入全部经验主成分时检验仍保持渐近有效性和一致性。
2024-04-01 math.ST stat.ME stat.TH
Testing for spherical and elliptical symmetry
基于有限均值随机向量$X$具有球形分布的充要条件是对任意两个正交向量$u$和$v$,$\Ex[u^\top X | v^\top X] = 0$成立的刻画,我们构造了新的球形和椭圆形对称性检验方法.我们的测试基于Kolmogorov-Smirnov统计量,并通过球对称自举找到其拒绝区域。我们使用一般的Donsker定理,这是一些独立的利益球对称的自举检验的一致性。对于椭圆对称性检验的情况,Kolmogorov-Smirnov统计量由于估计的位置和尺度参数而具有渐近漂移项。因此,在引导过程中需要额外的标准化。在模拟研究中,我们的测试的大小和功率特性进行了评估,几个分布和性能进行比较,几个竞争的程序。
2020-04-27 math.ST stat.ME stat.TH
Bootstrapping Covariance Operators of Functional Time Series
对于函数时间序列协方差算子的假设检验,我们建议使用完整的函数信息,避免降维技术。将一般希尔伯特空间中部分和过程弱收敛的中心极限定理应用于积空间,得到了极限分布.为了得到检验的临界值,我们将自举结果从独立情形推广到相依情形。该结果可应用于协方差算子、自协方差算子和互协方差算子。我们讨论了单样本和变点测试,并给出了一些模拟结果。
2020-02-28 math.ST stat.TH
Hypothesis testing for eigenspaces of covariance matrix
协方差阵的特征空间在统计机器学习中起着重要的作用,出现在各种现代算法中。量子化,它是方便的描述的特征空间的频谱投影仪。这项工作的重点是假设检验的光谱投影仪,在一个和两个样本的情况下。我们提出了新的测试,基于一个特定的矩阵范数开发,以利用光谱投影仪的结构。介绍和分析了一种新的独立兴趣的恢复技术:它作为一种替代著名的乘数引导,显着降低基于引导的方法的计算复杂性。我们提供了理论保证的I型错误,我们的程序,显着提高了以前在该领域获得的结果。此外,我们分析了我们的测试的力量。数值实验表明,所提出的方法相比,以前开发的性能良好。
2020-02-23 math.ST stat.TH
Adaptive Bootstrap Tests for Composite Null Hypotheses in the Mediation Pathway Analysis
针对中介路径分析中复合零假设导致现有检验过于保守且功效不足的问题,提出自适应自助法检验框架,应用于系数乘积检验和联合显著性检验,在控制第一类错误的同时显著提升统计功效。
2023-10-17 math.ST stat.ME stat.TH
A Bootstrap Test for Independence of Time Series Based on the Distance Covariance
本文提出一种基于距离协方差的Bootstrap检验,用于检测两个严格平稳时间序列在任意滞后内的任何依赖,模拟中表现优于其他方法,并推广了Wasserstein距离界限至α-混合过程。
2024-02-05 math.ST stat.TH
The two-sample problem for Poisson processes: adaptive tests with a non-asymptotic wild bootstrap approach
考虑两个独立的泊松过程,我们解决的问题,测试其各自的强度相等。我们首先提出了基于一般核函数的检验统计量为U-统计量的单次测试。相应的临界值是从一个非渐近的野生自助法,导致水平α检验。核函数的各种选择是可能的,包括投影、近似或再现核。在这最后一种情况下,我们得到一个参数率的测试弱度量定义在RKHS与考虑再生核。然后,我们介绍,在其他情况下,聚合过程,这使我们能够导入来自模型选择,阈值和/或近似核自适应估计的想法。证明了所得的多重检验是α水平的,并且满足经典L2-范数的非渐近预言型条件.从这些条件,我们推断,他们是自适应的极大极小意义上的各种类的替代品的基础上的经典和弱Besov机构在单变量的情况下,但也Sobolev和各向异性Nikolskiii-Besov球在多变量的情况下。
2012-11-13 math.ST stat.TH
Minimax Risk in Estimating Kink Threshold and Testing Continuity
在不知道门限回归模型是否连续的情况下,给出了估计门限参数的风险下界。当样本大小$ n $仅以立方根速率增长时,界限变为零。出于这一发现,我们开发了一个连续性测试的阈值回归模型和自举计算其\textit{p}值。通过蒙特卡罗模拟验证了该方法的有效性,并探讨了其有限样本性质.
2022-03-01 econ.EM math.ST stat.TH
Classification of Extremal Dependence in Financial Markets via Bootstrap Inference
本文利用基于bootstrap的检验方法分析美国S&P 500与中国A股的极值依赖结构,发现美国资产聚类更孤立而中国更互联,并识别出材料及消费品等行业的强跨市场极值关联,验证了该方法在大规模金融实证中的有效性。
2025-06-05 math.ST q-fin.ST stat.TH
Nonparametric estimation of mean-squared prediction error in nested-error regression models
嵌套误差回归模型被广泛用于分析聚类数据。例如,它们经常用于两阶段抽样调查,以及生物学和计量经济学。预测通常是这种分析的主要目标,预测误差的均方是衡量预测性能的主要方法。在本文中,我们提出了一种新的方法来估计均方预测误差。我们引入了一个匹配的时刻,双引导算法,使臭名昭著的低估天真的均方误差估计,以大大减少。我们的方法不需要对误差分布进行具体假设。此外,它简单且易于应用。这是通过使用蒙特卡罗模拟来隐式地开发公式来实现的,在更传统的方法中,这些公式将通过数学论证费力地推导出来。
2006-11-15 math.ST stat.TH
Testing (Infinitely) Many Zero Restrictions
本文提出了一个极大值测试测试(可能无限)许多零参数的极值估计框架的限制。通过基于从低维参数空间映射的许多经验损失函数每次估计一个关键参数,并从这些单独估计的参数中选择绝对值最大的来形成检验统计量。简约参数化损失识别感兴趣的原始参数是否为零。估计固定的低维度子参数确保更大的估计器准确度,不需要稀疏性假设,并且仅使用加权估计器序列中的最大估计器降低了检验统计量复杂度并因此降低了估计误差,从而确保实际中更清晰的大小和更大的功率。权重允许标准化,以控制估计量分散。在非线性参数回归框架中,我们提供了一个参数化的野生自助p值计算,而不直接需要最大统计量的极限分布。仿真实验表明,max测试优于传统的自举测试。
2022-04-09 math.ST stat.TH
Degenerate U- and V-statistics under weak dependence: Asymptotic theory and bootstrap consistency
我们设计了一个一般性的结果,基于模型的引导方法的U-和V-统计量的一致性,易于验证的条件下。为此,我们首先给出了弱相依$\mathbb{R}^d$值随机变量的二次退化U-和V-统计量的极限分布。为此,只需要一些关于核的矩条件和光滑性假设。在此基础上,我们验证了这些统计量的自助配对具有相同的极限分布。最后,给出了假设检验的一些应用。
2012-05-09 math.ST stat.TH
Bootstrap and permutation tests of independence for point processes
受神经科学中关于锋电位训练分析中同步性检测问题的启发,我们研究了点过程的独立性检测问题。我们引入非参数检验统计量,这是重新标度的一般$U$ -统计量,其相应的临界值构造自举和随机化/置换方法,尽可能少的假设点过程的基本分布。我们推导出一般的一致性结果的引导和置换w.r.t. Wasserstein度量的推广,从而导出了二阶矩的弱收敛性和收敛性.由此证明了所得到的自举或置换独立性检验是渐近的,并且与任何合理的选择是一致的。进行模拟研究,以说明推导出的理论结果,并比较我们的新测试与现有的神经科学文献中的性能。
2015-05-27 math.ST stat.TH
Adaptive testing method for ergodic diffusion processes based on high frequency data
我们考虑基于高频数据的多维遍历扩散的参数检验。提出了扩散参数和漂移参数的两步测试方法。为了构造检验统计量,我们利用自适应估计量,并提供了三种类型的检验统计量:似然比型检验,Wald型检验和Rao的得分型检验。证明了这些检验统计量在原假设下按分布收敛于卡方分布,并具有对备择检验的相合性。此外,这些检验统计量在分布上收敛于局部替代下的非中心卡方分布。对这三类检验统计量的行为进行了模拟研究。
2020-10-26 math.ST stat.TH
Testing Many Constraints in Possibly Irregular Models Using Incomplete U-Statistics
针对约束数大于等于样本量且零假设非正则导致标准近似失效的检验难题,提出基于不完全U-统计量与高斯乘子自助法的通用检验方法,在非正则与高维设定下控制第一类错误,并应用于多元数据隐树模型拟合优度检验。
2024-02-16 math.ST stat.ME stat.TH
The independence process in conditional quantile location-scale models and an application to testing for monotonicity
本文研究了位置-尺度环境下的非参数分位数回归模型。研究了基于协变量和估计残差的经验独立过程的渐近性质。特别地,证明了它的渐近展开和弱收敛于高斯过程.研究结果一方面可用于检验区位-尺度模型的有效性;另一方面,它们允许在条件分位数位置-尺度模型中导出各种规格检验。详细研究了条件分位数曲线的单调性检验。对于位置-尺度模型的有效性检验以及单调性检验,建议采用Kolmogorov-Smirnov和Cramer-von Mises型检验统计量的光滑残差自助版本。我们给出严格的证明自助版本的弱收敛结果。在模拟研究中证明了测试的性能。
2016-09-25 math.ST stat.TH
Testing the equality of the copulas of two multivariate populations with Bernstein polynomials
该研究针对两样本copula相等性检验问题,基于经验伯恩斯坦copula过程提出三个统计量并确立渐近性质,提出二次抽样伯恩斯坦方法,实验证明其优于基于经验copula的检验方法。
2026-11-16 math.ST stat.TH
Testing marginal homogeneity in Hilbert spaces with applications to stock market returns
本文考虑了一个配对数据框架,讨论了二元高维或函数型数据的边缘齐性问题。相关的测试问题可以被赋予一个更一般的设置,用于在一般Hilbert空间中取值的成对随机变量。为了解决这个问题,Cramer-von-Mises型检验统计量的应用和自助程序建议,以获得临界值,最后一个一致的测试。自举检验的期望性质可以被导出,即在原假设下的渐近精确性和在备择条件下的一致性。仿真结果表明,在有限样本的情况下,测试的质量。一个可能的应用是比较两个可能相关的股票市场回报的基础上的功能数据。该方法的基础上证明了不同的股票市场指数的历史数据。
2021-05-02 math.ST stat.ME stat.TH
Improving Pearson's chi-squared test: hypothesis testing of distributions -- optimally
针对皮尔逊卡方检验数据效率不高的问题,提出一种基于非凸优化的新检验器,达到$1+o(1)$最优样本复杂度,有望替代卡方检验。
2023-10-13 math.ST stat.TH
Testing equality of functions under monotonicity constraints
我们考虑的问题,测试平等的功能$f_j:[0,1]\to \mathbb{R}$的$j=1,2,...,J$的基础上,$J$独立样本可能不同的分布下,假设功能是单调的。本文给出了随机删失模型中单调回归曲线的相等性、单调密度的相等性和单调危险的相等性的统一检验方法。基于$L_1$ -距离提出了两个检验统计量。我们表明,这两个统计量是渐近正态的,我们提供了引导的实现,这是具有渐近水平$α$的临界区域。
2013-07-01 math.ST stat.TH
Robust Inference via Multiplier Bootstrap
本文研究了两个基本的统计推断问题的理论基础,置信集的建设和大规模的同时假设检验,在重尾数据的存在。对于重尾观测噪声,以样本均值为代表的基于最小二乘的方法的有限样本性质在理论上和经验上都是次优的。在本文中,我们证明了自适应Huber回归,结合乘数引导程序,提供了一个有用的鲁棒替代最小二乘法的最小二乘法。我们的理论和实证结果揭示了所提出的方法的有效性,并强调了具有强大的重尾推理方法的重要性。
2019-03-18 math.ST stat.ME stat.TH
Estimation of the $l_2$-norm and testing in sparse linear regression with unknown variance
本文研究了方差未知的稀疏线性回归的$l_2$ -范数和平方$l_2$ -范数的估计问题,以及在$l_2$分离的稀疏替代下回归参数为零的假设检验问题.我们建立了这三个问题的最优估计率(分别为检验率)。
2020-10-26 math.ST stat.TH
On Testing Independence and Goodness-of-fit in Linear Models
我们考虑了一个线性回归模型,并提出了一个综合测试,同时检查的假设之间的误差和预测变量,以及拟合优度的参数模型。我们的方法是基于使用希尔伯特-施密特独立性标准(Gretton et al.(2008))测试从参数拟合获得的残差与预测值之间的独立性。所提出的方法不需要用户定义的正则化,计算简单,仅基于样本中点之间的成对距离,并且对所有替代方案都是一致的。我们在零假设和备择假设下为拟议的检验统计量开发了分布理论,并设计了一个自助方案来逼近其零分布。我们证明了自举方案的一致性。仿真研究表明,我们的方法具有更好的功率比它的主要竞争对手。两个真实的数据集进行了分析,以证明我们的方法的范围和实用性。
2014-05-05 math.ST stat.ME stat.TH
How Reliable are Bootstrap-based Heteroskedasticity Robust Tests?
本文提出有限样本理论诊断方法,用于识别线性回归中存在过度拒绝问题的 wild bootstrap 异方差稳健检验,并通过大规模数值研究评估其可靠性。
2021-11-11 econ.EM math.ST stat.ME
Specification testing in nonparametric AR-ARCH models
本文考虑了具有条件异方差的自回归时间序列模型,其中条件均值和条件方差函数均为非参数模型。对创新与过去时间序列值无关的模型假设进行了检验。该测试基于经验特征函数的加权$L^2$距离。在独立性的原假设下得到了渐近分布,并证明了对固定方案的一致性。一个光滑的自回归残差自助程序的建议,其性能在模拟研究。
2016-10-11 math.ST stat.TH
Testing for simultaneous jumps in case of asynchronous observations
本文提出了一个新的检验同时跳跃的二元Itô半鞅时,观察时间是异步和不规则的。推断是建立在实现相关系数的跳跃的两个过程,估计使用二元功率变化的Hayashi-Yoshida型没有一个额外的同步步骤。一个相关的中心极限定理显示其渐近分布进行评估,使用自助程序。模拟结果表明,与更简单的常规观测情况相比,该测试工作得非常好。
2016-06-23 math.ST stat.TH
A Bayesian nonparametric chi-squared goodness-of-fit test
贝叶斯非参数推断和狄利克雷过程是统计方法中常用的工具。本文将狄利克雷过程应用于假设检验,提出一种贝叶斯非参数卡方拟合优度检验。在我们的贝叶斯非参数方法中,我们考虑Dirichlet过程作为数据分布的先验,并根据更新的Dirichlet过程与假设分布F0之间的Kullback-Leibler距离进行检验。我们证明,这个距离渐近收敛到相同的卡方分布的卡方检验。类似地,提供了列联表的贝叶斯非参数卡方独立性检验。通过计算Dirichlet过程与假设分布之间的Kullback-Leibler距离,提出了一种确定Dirichlet过程浓度参数的方法.
2016-06-16 math.ST stat.TH
Testing parametric models for the angular measure for bivariate extremes
本文提出基于加权L1-Wasserstein距离的检验统计量,通过比较非参数秩估计与参数估计的角测度来检验双变量极值相依结构的参数模型拟合优度,并用自助法获得临界值,模拟和河流流量数据验证了方法有效性。
2024-11-19 math.ST stat.TH
Multiplier bootstrap of tail copulas with applications
对于下尾和上尾Copula函数的估计问题,我们提出了两种自举方法来逼近相应的经验尾Copula函数的分布。第一种方法使用了一个乘子引导的经验尾copula过程,并需要估计的尾copula的偏导数。第二种方法避免了这种估计问题,并在二维经验分布函数和边缘分布的估计中使用乘数。对于这两个乘数引导程序,我们证明了一致性。对于这些调查,我们证明了在尾copula估计的文献中存在连续的偏导数的共同假设是如此的限制,使得尾copula对应于尾独立性是唯一的尾copula与此属性。此外,我们能够解决这个问题,并证明弱收敛的经验尾copula过程下满足许多常用的模型的非限制性光滑的假设。这些结果被应用在几个统计问题,包括最小距离估计和拟合优度检验。
2013-12-11 math.ST stat.TH
Specification tests in semiparametric transformation models - a multiplier bootstrap approach
我们考虑半参数转换模型,其中在响应的参数转换的预估计之后,通过非参数回归对数据进行建模。我们建议随后的程序,用于测试缺乏拟合的回归函数和协变量的意义,这-相反,从文献中的程序-渐近不受预估计的转换。检验统计量是渐近关键的,并且具有与无变换回归模型相同的渐近分布。我们证明了乘数引导程序的有效性,这是更容易实现和更少的计算要求比引导程序的转换模型的基础上。在模拟研究中,我们证明了优越的性能的程序相比,从文献中的竞争对手。
2019-01-24 math.ST stat.ME stat.TH
Higher-Order Entrywise Eigenvectors Analysis of Low-Rank Random Matrices: Bias Correction, Edgeworth Expansion, and Bootstrap
本文针对低秩信号加噪声矩阵模型,建立特征向量扰动的高阶随机展开,据此提出偏差校正,并证明无需Cramér条件的Edgeworth展开,进而验证残差Bootstrap的高阶有效性。
2024-03-14 math.ST stat.TH
A Unified Framework for Testing High Dimensional Parameters: A Data-Adaptive Approach
高维假设检验处理的模型中,参数的数量显着大于样本量。现有文献开发了各种单独的测试。它们有的对密集小扰动敏感,有的对稀疏大扰动敏感。因此,这些检验的效力取决于替代方案的假设。本文提供了一个统一的框架,开发新的测试,这是适应各种各样的替代方案,在高维度。特别是,我们的框架包括任意的假设,可以使用高维$U$ -统计为基础的向量进行测试。在这个框架下,我们首先开发了一个广泛的家庭的基础上的$L_p$ -规范与$p\in \{1,\dots,\infty\}$的新变种的测试。然后,我们结合这些测试来构建一个数据自适应测试,同时在各种替代方案下是强大的。为了得到这些检验的渐近分布,我们利用$U$ -统计量的乘数自助法。此外,我们考虑了自举方法的计算方面,并提出了一种新的低成本计划。我们证明了所提出的测试的最优性。模拟和真实数据集上的彻底的数值结果提供了支持我们的理论。
2018-08-08 math.ST stat.TH
On the failure of the bootstrap for Chatterjee's rank correlation
本文证明标准自助法在 Chatterjee 秩相关下失效,其属于渐近正态但自助法不一致的统计量,建议使用 Chatterjee 原始提案或 Lin and Han (2022) 的解析渐近方差估计量进行有效推断。
2023-04-05 econ.EM math.ST stat.TH
Bootstrapping $\ell_p$-Statistics in High Dimensions
本文考虑一种新的Bootstrap方法来估计高维$\ell_p$ -统计量的分布,即$n$独立的$d$ -维随机向量之和的$\ell_p$ -范数与$d \gg n$和$p \in [1, \infty]$的分布.我们提供了一个非渐近表征的抽样分布的$\ell_p$ -统计量的高斯近似的基础上,并表明自举程序是一致的,在Kolmogorov-Smirnov距离在温和的条件下的协方差结构的数据。作为一般理论的一个应用,我们提出了一个自举假设检验的同时推理的高维均值向量。我们建立了它的渐近正确性和一致性下的高维替代品,并讨论了电源的测试以及相关的置信集的大小。我们说明了模拟数据的引导和测试过程。
2020-08-17 econ.EM math.PR math.ST
Testing for a constant coefficient of variation in nonparametric regression
本文对一般非参数回归模型中变异系数为常数的假设提出了一种新的检验方法。该检验基于回归函数的平方与方差函数之间的$L^2$距离估计值。我们证明了在原假设和固定替代下该距离的标准化估计的渐近正态性,并通过模拟研究研究了相应的Bootstrap检验的有限样本性质。所得结果适用于一般混合条件下的平稳过程,并用于构造金融时间序列中平稳性假设的检验。
2008-09-29 math.ST stat.TH
Prepivoting composite score statistics by weighted bootstrap iteration
对数似然比的复合模拟在假设检验和设置置信区域中所起的作用并不像在典型似然设置中那样突出,因为它的渐近分布取决于未知参数。基于复合对数似然比的近似主元可以通过使用渐近参数来导出。然而,这种枢轴的实际分布可能与渐近参考有很大不同,导致测试和置信区域的水平远离标称值。在复合似然框架中使用自举而不是渐近分布进行了探讨。基于适当统计量的预旋转测试和置信度集被证明是准确的和计算上有吸引力的推理工具。
2013-01-29 math.ST stat.CO stat.ME