具有外生变量部分线性自回归模型的异方差检验

摘要

森林资源动态预测是森林生态研究领域的前沿课题之一。根据当前森林状况，预测未来的发展，对森林资源的规划和生态建设都是十分重要的。然而，森林具有空间分布广，生长周期长，影响因素众多，结构复杂，功能综合；具有可再生性，未来发展趋势具有不确定性，是一个具有分散结构的随机性动态大系统。根据森林资源的特征，我们可以采用随机性时变动态模型来进行研究。
　　 在经典回归分析中，观测值的方差齐性是一个很基本的假定，在此假定下，方可进行常规的统计推断。如果方差非齐性而且未知，则回归分析将遇到诸多问题。因此对回归模型的方差齐性检验是十分必要的。本文主要对森林资源具有外生变量的部分线性自回归模型的异方差检验问题进行了系统全面的研究，得到了一系列好的结果。本文研究工作概括如下：
　　 本文应用方差结构化方法系统地研究了具有外生变量的部分线性自回归模型的方差齐性检验问题，得到了方差齐性检验的似然比检验统计量和score检验统计量。再利用参数正交化方法得到了似然比检验统计量和score检验统计量的修正形式。最后通过Mnote Carlo随机模拟和实例说明了检验方法的有效性。结果表明：修正的似然比检验要好于似然比检验；修正的score检验优于score检验。本文使用的方法是简洁有效的。

目录

文摘

英文文摘

声明

致谢

第一章 引言

§1.1森林资源模型及其研究现状

§1.1.1森林资源系统特点

§1.1.2森林资源模型及研究现状

§1.2异方差检验问题以及目前的研究现状

§1.3本文研究的内容和创新

第二章 研究模型及方法

§2.1本文研究的模型(具有外生变量的部分线性自回归模型)

§2.2本文研究所用方法

第三章 异方差检验的似然比检验和Score检验

§3.1模型及其统计量基本性质

§3.2似然比检验统计量

§3.3 Score检验统计量

第四章 修正的似然比检验和修正的Score检验

§4.1参数正交变换

§4.2修正的似然比检验

§4.3修正的Score检验统计量

第五章 随机模拟及数值实例

§5.1 Monte Carlo随机模拟

§5.2数值实例

参考文献