核實數據下非線性模型的序列相關性檢驗

劉 鋒，何 卓,譚祥勇

(重慶理工大學 數學與統計學院，重慶 400054)

?

核實數據下非線性模型的序列相關性檢驗

劉 鋒，何 卓,譚祥勇

(重慶理工大學 數學與統計學院，重慶 400054)

研究了核實數據下非線性模型的序列相關檢驗問題,并運用經驗似然的方法構造了檢驗統計量，證明了該檢驗統計量在零假設下的漸近分布。數值模擬結果顯示：提出的檢驗效果比較理想。

核實數據；非線性模型；序列相關性檢驗；經驗似然

考慮如下非線性模型：

Y=f(X,β)+ε

檢驗一個模型的殘差是否存在相關性是一項非常重要的工作,若模型的殘差存在序列相關性，則作出的相關統計推斷將會失去有效性。對于序列相關性問題的研究見文獻[5-6]。關于核實數據下非線性模型的序列相關研究還比較少。本文研究了核實數據下非線性模型的序列相關檢驗的問題。本文主要利用經驗似然的方法來構造檢驗統計量。關于經驗似然更多的技術見文獻[7-10]。

1 方法和主要結果

(1)

這樣，對εi進行序列相關檢驗相當于對ei進行序列相關檢驗。假設εi具有p階序列相關，則ei也具有p階序列相關。

令uk=E(eiei+k),U=(u1,u2,…,up)，k=0,1,…,p。由文獻[5]可知：零假設和備擇假設分別為

H0:U=0v.s.H1:U≠0

令zi1=eiei+1,zi2=eiei+2,zip=eiei+p，且記

Zi=(zi1,zi2,…,zip)Τ,i=1,2,…,N-p

則在零假設下有E(Zi)=0,i=1,2,…,N-p，因此問題就轉換成檢驗E(Zi)=0。

由文獻[10]可知：可以利用經驗似然的思想來檢驗E(Zi)是否為0。

(2)

(3)

對于參數β的估計,在零假設和主要數據下，利用最小二乘的方法可得

(4)

(5)

(6)

由Lagrange乘數法求得滿足式(6)的pi由式(7)給出。

(7)

其中λ是方程(8)的解。

(8)

將式(7)代入式(6)可得

(9)

令c為不同地方取不同值的正常數。對任意向量a，用‖a‖表示Euclidean模。設Dm是Rd(m>d+1)或其子區域上所有連續函數q(·)組成的類，使0≤i1+i2+…+id≤m,偏導數

一致有界。

下面的定理需要滿足以上條件:

C1：E‖X‖2<∞；

C6：K(·)是非負有界的m階核函數，且具有有界支撐，其中m同C4中的定義；

C8：N/n→γ，其中γ≥0為常數。

以上條件的合理性見文獻[4]。

由定理1可知：在給定的顯著性水平α下，當對數經驗似然比的值大于漸進分布的1-α分位數時，則拒絕零假設,即認為殘差存在序列相關性。

2 模擬結果

為簡單起見，假設如下模型：

(10)

其中：Xi～U(0,1)；η～N(0，0.16)。對于任意εi，滿足下面4個模型：

模型AR(1):εi=ρεi-1+ξi,|ρ|<1;

模型MA(1):εi=ρξi-1+ξi,|ρ|<1;

模型AR(2):εi=a1εi-1+a2εi-2+ξi;

模型MA(2):εi=a1ξi-1+a2ξi-2+ξi;

其中ξi～N(0,0.4)。

假設核實數據和主要數據分別為(n,N)=(20,100),(50，100),(40，200),(100，200),(60，300),(150，300)。 對于每組樣本量情況,取顯著性水平為0.05,各做2 000次模擬,結果見表1-4。

由表1～4可以看出：不論誤差服從何種模型，在零假設下，隨著樣本量的增加，檢驗的水平迅速收斂到給定的顯著性水平0.05；在備擇假設下，不管誤差序列是AR模型還是MA模型，經驗似然比檢驗的功效都表現得非常好；同時，隨著核實樣本量的增加,似然比檢驗的水平和功效表現得越來越好。

表1 經驗似然比檢驗，誤差服從AR(1)模型

表2 經驗似然比檢驗，誤差服從MA(1)模型

表3 經驗似然比檢驗，誤差服從AR(2)模型

表4 經驗似然比檢驗，誤差服從MA(2)模型

3 定理的證明

由于T=n-p，根據條件C8，在本文中不區分Op(n)和Op(T)。

引理1 在零假設和條件C1～C8下，有

證明 見文獻[4]的定理2.3。

引理2 在零假設和條件C1～C8下，i=1,2,…,N,有

(11)

和

(12)

證明 式(11)的證明見文獻[4]的引理4.1。下面證明式(12)。

由引理1和式(11)易得式(12)成立。

引理3 在零假設和條件C1～C8下，有：

證明 對任意的整數k(1≤k≤p),有

其中：

對于Δ2,利用引理2,易得

且EΔ2=0,所以Δ2=op(1)。

同理可得Δ2=Δ3=op(1)。

對于Δ4有

且E(Δ4)→0,故Δ4=op(1)。

因此，可以得到

令α是任意p維非零向量，αΤZi是在零假設下的獨立隨機變量序列,則

Cov(αTZi,αTZj)=αTCov(Zi,Zj)α=0，i≠j

由m步相依隨機變量中心極限定理[11]，可得

其中Z=ααΤσ4。然后運用Cramer-Wold方法，能夠推導引理3。

證明 引理4的證明與引理3類似，故略去證明。

引理5λ是拉格朗日乘子，有

‖λ‖=Op(T-1/2)

證明 證明類似于文獻[10]中的引理3。

定理1的證明

對(8)的泰勒展開和引理4～5，能得到

通過簡單的計算和根據引理3～5，有

通過引理3和引理5可知定理1成立。

4 結束語

因時間、花費等原因,只能得到一部分精確的觀測值,取而代之的是得到具有觀測誤差的替代值。目前，對于核實數據的研究主要是對相關的參數進行統計分析,但對于序列相關性的檢驗研究得還較少。因此，本文研究了核實數據下非線性模型的序列相關檢驗,采用了經驗似然的方法構造了檢驗統計量,并證明了其漸進分布。通過數值模擬驗證了本文所提出的檢驗統計量的有效性。

[1] PEPE M S.Inference using surrogate outcome data and a validation sample[J].Biometrika,1992,79(2):355-365.

[2] SEPANSKI J H,LEE L.Semiparametric estimation of nonlinear errors-in-variables models with validation study[J].Journaltitle of Nonparametric Statistics,1995,4(4):365-394.

[3] WANG Q.Estimation of partial linear error-in-variables models with validation data[J].Journal of Multivariate Analysis,1999,69(1):30-64.

[4] 薛留根.核實數據下非線性半參數 EV 模型的經驗似然推斷[J].數學學報,2006,49(1):145-154.

[5] 劉鋒,陳敏,鄒捷中.部分線性模型序列相關的經驗似然比檢驗[J].應用數學學報,2006,29(4):577-586.

[6] HU X,LIU F,WANG Z.Testing serial correlation in semiparametric varying coefficient partially linear errors-in-variables model[J].Journal of Systems Science and Complexity,2009,22(3):483-494.

[7] OWEN A B.Empirical likelihood ratio confidence intervals for a single functional[J].Biometrika,1988,75(2):237-249.

[8] OWEN A B.Empirical likelihood ratio confidence regions[J].The Annals of Statistics,1990,18:90-120.

[9] OWEN A B.Empirical likelihood[M].State of Florida:CRC press,2001.

[10]OWEN A B.Empirical likelihood for linear models[J].The Annals of Statistics,1991:1725-1747.

[11]BROCKWELL P J,DAVIS R A.Time series:theory and methods[M].New York:Springer Science & Business Media,2013.

(責任編輯 陳 艷)

Testing for Serial Correlation in Nonlinear Model with Validation Data

LIU Feng, HE Zhuo, TAN Xiang-yong

(College of Mathematics and Statistics, Chongqing University of Technology,Chongqing 400054, China)

This paper considers the serial correlation testing for nonlinear model with validation data,and uses the empirical likelihood method to establish the testing statistic,and justifies the asymptotic distribution of the statistic. Simulation results indicate that the testing statistic performs well both size and power.

validation data; nonlinear model; serial correlation test；empirical likelihood

2016-06-18 基金項目：國家自然科學基金資助項目(11471060)；重慶理工大學研究生創新基金資助項目(YCX2014234)

劉鋒(1973—)，男，湖南新化人，博士，副教授，主要從事非參數統計研究,E-mail:fliu@cqut.edu.cn。

劉鋒，何卓,譚祥勇.核實數據下非線性模型的序列相關性檢驗[J].重慶理工大學學報(自然科學)，2016(11):155-161.

format：LIU Feng, HE Zhuo，TAN Xiang-yong.Testing for Serial Correlation in Nonlinear Model with Validation Data[J].Journal of Chongqing University of Technology(Natural Science)，2016(11):155-161.

10.3969/j.issn.1674-8425(z).2016.11.025

O212

A

1674-8425(2016)11-0155-07