The test of exponentiality based on the mean residual life function revisited
我们基于Baringhaus和Henze(2008)提出的平均剩余寿命重新审视了指数性的拟合优度检验家族。我们通过Shanbhag(1970)的一个特征来激励检验统计量,并提供了另一种表示,这导致了对已知理论的简单而简短的证明,以及在原假设下易于获得极限高斯过程的协方差结构。利用加权布朗桥的结果,导出了与极限协方差相关的算子的本征值和本征函数的显式公式。此外,我们提供了进一步的渐近理论下固定的替代品,并获得近似Bahadur效率,这提供了一个深入了解的调整参数的选择方面的测试的功率性能。
2023-02-06 math.ST stat.TH
Goodness-of-fit testing for the Pareto type-I distribution based on a mean residual life characterization
Indian Institute of Technology Tirupati(蒂鲁帕蒂印度理工学院)
针对帕累托I型分布,基于平均剩余寿命表征提出新型拟合优度检验,通过U统计量构建统计量,模拟显示其控制显著性水平且功效具竞争力,并用实际数据集验证。
2026-09-07 math.ST stat.ME stat.TH
Least square estimators in linear regression models under negatively superadditive dependent random observations
本文研究了基于随机观测的线性回归模型中最小二乘估计的渐近性质。我们提供了温和的假设的时刻和依赖结构的随机间隔的观察和残差下的估计是强一致的。特别是,我们考虑的观察实例是负超加性相互依赖的,而对于残差,我们只是假设它们是由一些连续函数产生的。此外,我们证明了收敛速率是成比例的采样率$N$,我们补充我们的研究结果与模拟研究提供的见解有限的样本属性。
2021-10-06 math.PR math.ST stat.TH
Alternative Mean Square Error Estimators and Confidence Intervals for Prediction of Nonlinear Small Area Parameters
由于我们没有指定调查权重的完整分布,因此MSE估计存在困难。这混淆了完全参数化引导过程的使用。为了克服这一挑战,我们开发了一种新的MSE估计。我们使用与构建基本预测器相同的模拟样本来估计MSE中的前导项,该MSE是最佳预测器(使用真实参数构建)的MSE。然后,我们利用参数估计量的渐近正态分布来估计MSE中的第二项,这反映了估计参数的变异性。我们将校正的领先项的估计偏差,而不使用计算密集型双引导程序。我们进一步开发校准的预测区间,比标准预测区间更少依赖于正态理论。我们通过大量的模拟研究实证证明了所提出的程序的有效性。我们应用的方法来预测几个功能的表和细沟侵蚀爱荷华州县使用的数据从一个复杂的农业调查。
2022-10-21 stat.AP stat.ME
Diagnostic Checking in Multivariate ARMA Models With Dependent Errors Using Normalized Residual Autocorrelations
本文针对误差相依的VARMA模型,提出基于标准化残差自相关的自标准化portmanteau统计量,并推导其渐近分布,通过蒙特卡洛实验和CAC40数据验证。
2024-04-19 math.ST stat.TH
Chi-squared test for hypothesis testing of homogeneity
给出了齐性假设检验卡方检验的非参数备择集一致相合的充要条件。卡方检验的单元数随着样本量的增加而增加。非参数方案集可以用密度和分布函数来定义。
2021-08-26 math.ST stat.TH
Least sum of squares of trimmed residuals regression
在著名的残差估计量的最小截尾平方和(LTS)中,残差首先被平方,然后被修剪。在本文中,我们首先修剪残差-使用深度修剪方案-然后平方剩余的残差。能使截尾残差的平方和最小的估计量称为LST估计量。事实证明,LST是经典的最小二乘估计(LS)的一个强大的替代品。事实上,它具有非常高的有限样本击穿点,并且可以渐进地抵抗高达$50\%$的污染而不击穿-与LS估计器的$0\%$形成鲜明对比。LST的总体版本是Fisher相容的,样本版本是强的和根$n$相容的,并且是渐近正态的。计算LST的近似算法提出和测试合成和真实数据的例子。这些实验表明,其中一种算法可以非常快地计算LST估计量,并且比著名的LTS估计量具有相对较小的方差。所有的证据表明,LST值得是一个强大的替代LS估计,并在实践中是可行的高维数据集(可能的污染和离群值)。
2022-11-25 stat.ME
Weighted residual empirical processes, martingale transformations, and model specification tests for regressions with diverging number of parameters
Hunan University(湖南大学);Beijing Normal University(北京师范大学);Beijing Normal University at Zhuhai(北京师范大学珠海校区)
本文针对参数个数发散的回归模型,提出基于加权残差经验过程的设定检验,无鞅变换检验具有最优局部备择检测速率且不依赖维度,虽非分布无关但可用平滑残差自助逼近,而鞅变换检验虽分布无关但功效较低。
2025-10-27 math.ST stat.TH
Residual-on-Residual Regression as a Tool for Effect Estimation in Observational Data
Emory University(埃默里大学);University of Pittsburgh(匹兹堡大学)
提出残差对残差回归方法,通过拟合结局和暴露的混杂调整模型,再用普通最小二乘回归结局残差对暴露残差,估计部分线性模型中的暴露效应,在弱正向性违反时比AIPW和TMLE更稳定。
2026-07-01 stat.AP stat.ME
Weighted least squares regression with the best robustness and high computability
提出一种按残差大小指数降权的新加权最小二乘回归方法,兼具最高崩溃点稳健性、高于LTS的效率,并用一阶和二阶方法实现快速计算。
2023-12-08 stat.ME
Cross validation residuals for generalised least squares and other correlated data models
交叉验证残差是众所周知的普通最小二乘模型。在这里,留M交叉验证扩展到广义最小二乘。交叉验证残差和Cook距离之间的关系通过拟合所有数据(训练和测试)的模型和拟合简化数据集(仅训练数据)的模型的广义残差平方和差异的近似值来证明。对于广义最小二乘法,与普通最小二乘法一样,不需要将模型重新拟合到减小大小的数据集,因为在将模型拟合到所有数据后,K折交叉验证的所有值都可用。
2018-09-05 stat.ME stat.ML
Exact expressions for the weights used in least-squares regression estimation for the log-logistic and Weibull distribution
对数逻辑分布和韦布尔分布的估计可使用概率绘图所用的方程进行。该方程导致高度异方差回归。推导出残差方差的精确表达式,可用于进行加权回归。在大样本情况下,最大似然估计的性能最好,但在小样本情况下,加权回归在偏差和均方误差方面优于极大似然估计。
2014-06-25 math.ST stat.TH
New algorithms for computing the least trimmed squares estimator
与经典的最小二乘(LS)方法不同,Schloseuw(1984)提出了最小化$n$($n/2 \leq h < n$)最小残差平方和的方法,得到的估计量称为最小截尾平方(LTS)。LTS的思想很简单,但它的计算是具有挑战性的,因为没有LS型的分析计算公式存在了。自其出现以来,已经进行了尝试,可行解算法(Hawkins(1994)),fastlts.f(Risseeuw和Van Driessen(1999))和FAST-LTS(Risseeuw和Van Driessen(2006))等都是有希望的近似算法。后两者已由Valentin Todorov并入R函数ltsReg。这些算法利用组合或子采样方法。LTS具有良好的软件可访问性和快速的计算速度,具有许多理想的性质,已成为多学科中最受欢迎的稳健回归估计器之一。本文提出了分析方法-采用目标函数的一阶导数(梯度)和二阶导数(Hessian矩阵)。我们的近似算法的LTS审查合成和真实数据的例子。与ltsReg -稳健回归的基准和众所周知的速度相比,我们的算法在速度和精度标准方面是相当的(有时甚至是有利的)。其他主要贡献包括:(i)分别在经验和总体设置下产生唯一性和强和Fisher一致性;(ii)在一般设置下推导影响函数;(iii)用整洁和一般的方法重新建立估计量的渐近正态性(因此是根-n一致性)。
2022-10-12 stat.CO
Residual Flows for Invertible Generative Modeling
University of Toronto(多伦多大学);University of Bremen(不来梅大学);Vector Institute(向量研究所)
基于流的生成模型通过可逆变换对概率分布进行参数化,并且可以通过极大似然进行训练。可逆残差网络提供了一个灵活的变换族,其中只需要Lipschitz条件而不是严格的结构约束来实现可逆性。然而,以前的工作训练可逆残差网络的密度估计依赖于有偏的对数密度估计,其偏差增加与网络的表达。我们给出了一个易于处理的无偏估计的日志密度使用“俄罗斯轮盘赌”估计,并减少了训练过程中所需的内存使用一个替代的无限系列的梯度。此外,我们提出了使用激活函数,避免导数饱和和推广的Lipschitz条件诱导混合规范,以提高可逆的残留块。由此产生的方法,称为残差流,实现了最先进的性能之间的密度估计基于流的模型,并优于网络,使用耦合块在联合生成和判别建模。
2020-07-24 cs.LG stat.ML
Inference Under Convex Cone Alternatives for Correlated Data
本研究建立了相关数据在一般凸锥方案下的假设检验的推论理论。虽然存在广泛的理论,假设检验光滑锥下的方案与独立的观察,推广到相关数据下的一般凸锥的替代仍然是一个悬而未决的问题。这个长期悬而未决的问题是解决(1)建立一个“广义quasi-score”统计量是渐近等价的标准高斯向量的凸锥上的投影的平方长度和(2)显示的渐近零分布的检验统计量是一个加权卡方分布,其中的权重是“混合体积”的凸锥和它的极锥。这些权重的显式表达式推导出使用的体积管公式周围的凸流形的单位球。此外,在凸锥上的局部选择序列下,构造了广义拟得分检验的幂的渐近下界。应用程序测试顺序限制的相关数据的替代品。
2006-06-03 math.PR math.ST stat.TH
Spatial autocorrelation approaches to testing residuals from least squares regression
在统计学中,Durbin-Watson检验常用于检测最小二乘回归分析中残差序列相关性的存在。然而,Durbin-Watson统计量仅适用于有序时间或空间序列。如果变量包括来自空间随机抽样的横截面数据,则Durbin-Watson统计量将无效,因为Durbin-Watson统计量的值取决于数据点排列的顺序。基于空间自相关的思想,本文提出了两种新的检验基于空间样本的最小二乘回归残差序列相关性的统计量。通过类比新形式的莫兰指数,自相关系数被定义为标准化的残差向量和归一化的空间权重矩阵。然后,类比的Durbin-Watson统计量,序列相关指数的构造。作为案例,将这两个统计量应用于中国29个地区的空间样本。这些结果表明,新的空间自相关模型可以用来检验回归分析残差的序列相关性。在实际应用中,新的统计量可以弥补Durbin-Watson检验的不足。
2015-03-15 physics.soc-ph stat.ME
Computation of least squares trimmed regression--an alternative to least trimmed squares regression
本文研究 LST 稳健回归的实现与计算,提出新算法,证明其稳健性与 LTS 相当、效率更高,且在同方差有限方差误差下可媲美甚至超过 LS,计算速度也可快于 LTS。
2023-12-08 stat.ME
Robust penalized least squares of depth trimmed residuals regression for high-dimensional data
Michigan State University(密歇根州立大学)
针对高维数据中异常值易使惩罚回归崩溃的问题,提出基于深度截断残差最小平方和的稳健惩罚回归方法,实验证明其在估计和预测精度上优于现有方法。
2023-09-04 cs.LG stat.ME stat.ML
Assessment of Regression Models with Discrete Outcomes Using Quasi-Empirical Residual Distribution Functions
对于离散结果的回归模型,对模型的充分性做出明智的决策一直是一个突出的问题。这些结果的标准评估工具(例如偏差残差)通常显示出与假设模式的较大差异,即使在真实模型下也是如此,并且不提供信息,特别是当数据高度离散时(例如二进制)。为了填补这一空白,我们提出了一个准经验残差分布函数一般离散(如序数和计数)的结果,作为替代的经验Cox-Snell残差分布函数。我们提出的评估工具是一种原则性的方法,不需要向数据中注入噪声。当至少有一个连续的协变量是可用的,我们渐近地表明,所提出的函数一致收敛到正确指定的模型下的身份函数,即使具有高度离散的结果。通过模拟研究,我们实证表明,拟议的准经验残差分布函数优于常用的各种模型评估任务的残差,因为它是接近真实模型下的假设模式,并显着偏离此模式下的模型误指定,因此是一个有效的评估工具。
2021-03-24 stat.ME
Residual Distribution Predictive Systems
Institute of Statistics, Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院统计研究所);Seminar for Statistics, ETH Zurich(苏黎世联邦理工学院统计学研讨会)
本文提出残差分布预测系统,在完全保形设置下不依赖严格一致性度量即可与任意点值回归方法结合,提供样本外校准保证,且在模拟数据中表现具竞争力。
2025-10-30 stat.ME stat.ML
Generalized Information Ratio
由于模型误差,基于α的性能评估可能无法捕获相关残差。本文提出使用广义信息比率(GIR)来衡量错误基准下的性能。基于异常收益率与残差协方差矩阵之间的理论联系,GIR被推导为以残差协方差矩阵的平方根倒数为尺度的α。GIR将α和信息比率嵌套为特殊情况,具体取决于残差协方差矩阵中使用的信息量。我们表明,GIR是强大的模型的不同程度的误设定,并产生稳定的样本外回报。消除残差相关性带来了实质性的收益,减轻了主动管理的模型误差问题。
2018-04-23 q-fin.PM stat.ME
Non-parametric estimation of cumulative (residual) extropy
探讨了熵及其性质,以量化不确定性。本文给出了累积剩余熵和负累积熵的替代表达式。我们得到简单的累积(残差)熵估计。估计的渐近性质进行了研究。当数据是右删失时,我们也提出了新的累积(剩余)熵估计。通过蒙特卡罗模拟研究评估了估计器的有限样本性能。我们使用建议的估计分析不同的真实数据集。最后,我们得到了不同的动态和加权熵措施和可靠性概念之间的关系,这导致了与这些措施相关的几个开放的问题。
2021-08-20 stat.AP stat.ME
Model Checking for Regressions Based on Weighted Residual Processes with Diverging Number of Predictors
Center for Data Science, Zhejiang University(浙江大学数据科学中心);College of Finance and Statistics, Hunan University(湖南大学金融与统计学院)
本文提出基于加权残差过程的检验方法,用于高维回归模型参数形式的检验,在预测变量数量发散时保持显著性水平并有效检测局部替代假设。
2026-07-22 math.ST stat.ME stat.TH
Granger causality test for heteroskedastic and structural-break time series using generalized least squares
提出了一种基于自协方差矩阵估计和广义最小二乘的时间序列因果关系判定方法-GLS Granger检验。我们展示了所提出的自协方差矩阵估计器(滑动自协方差矩阵)的有效性,并通过合成数据集和由加密货币组成的真实数据集将所提出的方法与经典的Granger F检验进行了比较。模拟结果表明,建议的GLS格兰杰检验捕获的因果关系更准确地比格兰杰F-检验的情况下,异方差或结构断裂残差。最后,我们使用所提出的方法来解开加密货币之间未知的因果关系。
2023-01-08 math.ST stat.ME stat.TH