简介:统计建模和统计检验是统计分析中极为重要的内容,它们往往都要求样本数据满足一定的条件。比如,统计建模是以服从某种概率分布的样本观测数据为基础,通过估计得到的;统计检验要求样本数据满足随机性、独立性、正态性、方差齐性等条件,并且要验证待处理的样本数据是否满足这些条件,只有满足要求的条件,得到的结论才是有效而可靠的。当条件不满足时,需对待处理的原始样本数据进行适当的变换。这些工作对统计分析具有十分重要的作用,却被以往的研究所忽视,本文拟对与此相关的问题作进一步的探讨。一、ARMA模型对数据序列的平稳性要求条件及其数据变换ARMA模型是时序模型中最常用的模型,并在统计模型中占有重要的位置。建立ARMA
简介:基于三种退势方法较详细研究了方差比检验在非对称单位根检验中的适用性,并通过MC模拟揭示了其检验势性质。结果表明:在不含趋势项的TAR下,两机制TAR数据落在第一机制的比率是影响方差比检验势的重要因素,且比率越高检验势也越高;三机制TAR中落在中间机制的数据比率会影响检验势,随着比率增加检验势呈下降趋势,但程度不大。在含趋势的TAR下,由于趋势项在数据生成过程中具有支配作用,各种检验势会随着趋势设定的不同而不同。数据在不同机制之间的转换概率越高,则ROLS和RDM退势较OLS退势具有明显优势。