部分函数型线性变系数模型的序列相关检验

摘要

部分函数型线性变系数模型(PFLVCM)是近几年出现的一个比较灵活、应用广泛的新模型.在实际应用中,搜集到的经济和金融数据往往存在序列相关性.如果不考虑数据间的相关性直接对其进行建模,会影响模型中参数估计的精度和有效性.本文主要研究了PFLVCM中误差的序列相关性的检验问题,基于经验似然,把标量时间序列数据相关性检验的方法拓展到函数型数据中,提出了经验对数似然比检验统计量,并在零假设下得到了检验统计量的近似分布.通过蒙特卡洛数值模拟说明该统计量在有限样本下有良好的水平和功效.最后,把该方法用于检验美国商业用电消费数据是否有序列相关性,证明该统计量的有效性和实用性.