×
贾哈尔·博米克。;麦克斯韦·L·金。

基于最大不变似然的半线性模型测试。 （英语） Zbl 1125.62008号

统计Pap。 48，第3期，357-383（2007）.
摘要：我们使用最大不变似然（MIL）在半线性回归模型中构造了两个似然比（LR）检验。第一个涉及测试是否包含非线性回归变量，第二个涉及测试线性回归变量与非线性回归变量的选择。我们报告了蒙特卡罗实验的结果，该实验将传统LR测试的大小和功率特性与我们提出的基于MIL的LR测试进行了比较。我们的模拟结果表明，在这两种情况下，基于MIL的测试与经典测试相比，具有更准确的渐近临界值和更好的性能（即更好的中心化）功率曲线。

引用于1审查
引用于2文件

MSC公司：

62F03型 参数假设检验
62J02型 一般非线性回归
65二氧化碳 蒙特卡罗方法
62J05型 线性回归；混合模型
62K99型 统计学实验的设计

关键词：

桌子;渐近临界值

软件：

高斯;数学软件
PDF格式BibTeX公司 XML格式引用
\textit{J.L.Bhowmik}和\textit{M.L.King}，Stat.Pap。48，第3号，357–383（2007年；兹bl 1125.62008）
全文： 内政部 链接

参考文献：

[1] Amemiya，T.，《高级计量经济学》（哈佛大学出版社，剑桥，1985年）。
[2] Anderson，E.B.，条件极大似然估计量的渐近性质，英国皇家统计学会杂志B，32，（1970），283–302·Zbl 0204.51902号
[3] Ara，I.，《基于边际似然的回归干扰测试》，未发表的博士论文（墨尔本克莱顿莫纳什大学，1995年）。
[4] Bellhouse，D.R.，连续采样的边际和近似条件可能性。《调查方法》，17，（1991），69-78。
[5] Bhowmik，J.L.和King M.L.，《使用最大不变似然函数对非线性分量线性模型中的参数估计》，发表于澳大利亚布里斯班2002年澳大利亚计量经济学会会议（2002年）。
[6] Bhowmik，J.L.和King M.L.，《使用最大不变似然函数进行半线性模型参数估计》，计量经济与商业统计系，工作文件18/05，澳大利亚莫纳什大学（2005），网址：http://www.buseco.monash.edu.au/depts/ebs/pubs/wppapers/2005/。
[7] Breusch，T.S.和Schmidt，P.，沃尔德测试的替代形式：一根绳子有多长？《统计学通讯》，A 7，（1988），2789–2795·Zbl 0696.62074号 ·doi:10.1080/03610928808829771
[8] Corduas，M.，《边际可能性在时间序列回归相关性测试中的应用》，M.Phil未发表论文，（兰卡斯特大学，1986年）。
[9] Cox，D.R.和Hinkley，D.V.，《理论统计》（查普曼和霍尔，伦敦，1974年）·Zbl 0334.62003号
[10] Dobler，C.P.，《有序参数的单向布局：1988年以来的进展调查》，《统计规划与推断杂志》，107，（2002）75-88·Zbl 1095.62511号 ·doi:10.1016/S0378-3758（02）00244-6
[11] Gallant，A.R.，《非线性回归》，《美国统计学家》，29，（1975），75-81·Zbl 0328.62043号 ·doi:10.2307/2683268
[12] GAUSS，用于Windows NT/95版本3.2.35的GAUSS（Aptech Systems，Inc.，西澳州枫叶谷，1998）
[13] Godfrey，L.G.，《计量经济学中的错误规范测试：拉格朗日乘数原理和其他方法》（剑桥大学出版社，剑桥，1988年）·Zbl 0721.62111号
[14] Greene，W.H.，《计量经济学分析》（Prentice Hall，纽约，1997年）。
[15] King，M.L.，《球面对称性稳健检验及其在最小二乘回归中的应用》，《统计年鉴》，第8卷（1980年），第1265-1271页·Zbl 0441.62049号 ·doi:10.1214/aos/1176345199
[16] King，M.L.，《线性回归模型中的自相关测试：一项调查》，载于《线性模型中的规范分析》，M.L.King和D.E.A.Giles（编辑），Routledge和Kegan Paul，伦敦，（1987），19-73。
[17] Konstas，P.和Khouja，M.W.，凯恩斯主义对货币函数的需求：另一种观点和一些额外的证据，《货币、信贷和银行学杂志》，1，（1969），765-777·doi:10.2307/1991450
[18] Laskar，M.R.，基于修正似然和消息长度函数的线性回归干扰的估计和测试，未发表的博士论文，莫纳什大学，墨尔本克莱顿，（1998）·Zbl 0931.62053号
[19] Laskar，M.R.和King，M.L.，回归扰动的修正Wald检验，《经济快报》，56，（1997），5-11·Zbl 0895.90051号 ·doi:10.1016/S0165-1765（97）00128-6
[20] Laskar，M.R.和King，M.L.，基于修正似然函数的回归扰动估计和测试，《统计规划与推断杂志》，71，（1998），75-92·Zbl 0931.62053号 ·doi:10.1016/S0378-3758（98）00091-3
[21] Laskar，M.R.和King，M.L.，《线性回归模型中处理妨害参数的修正似然和相关方法》，载于A.K.M.E.Saleh主编，《统计基础数据分析》，Nova Science Publisher，Inc.Huntington，New York，（2001），第119-142页。
[22] McManus，D.A.、Nankervis，J.C.和Savin，N.E.，《部分调整模型中的多重最优和渐近逼近》，《计量经济学杂志》，62，（1994），91–128·Zbl 0800.62814号 ·doi:10.1016/0304-4076（94）90018-3
[23] Moulton，B.R.和Randolph，W.C.，误差成分模型的替代测试，《计量经济学》，57，（1989），685-693·Zbl 0684.62079号 ·doi:10.2307/1911059
[24] Mukherjee，R.，《条件似然比与常用似然比检验的比较》，《皇家统计学会杂志》，B，54，（1992），189-194。
[25] Mukherjee，R.，条件似然和幂：高阶无症状性，伦敦皇家学会学报，A，438，（1992），433–446·Zbl 0783.62017号 ·doi:10.1098/rspa.1992.0117
[26] Neyman，J.和Scott，E.L.，基于部分一致观察的一致估计，《计量经济学》，16，（1948），1-32·Zbl 0034.07602号 ·doi:10.2307/1914288
[27] Rahman，S.和King，M.L.，《存在自相关时随机回归系数基于边际似然和近似点最优检验的比较》，《巴基斯坦统计杂志》，10，（1994），375–394·Zbl 0831.62065号
[28] Rahman，S.和King，M.L.，《存在妨害参数时回归干扰的基于边际似然得分的检验》，《计量经济学杂志》，82，（1998），81–106·Zbl 1130.62403号 ·doi:10.1016/S0304-4076（97）00052-3
[29] Shephard，N.，《随机趋势分量回归模型的最大似然估计》。《美国统计协会杂志》，88，（1993），590-595·Zbl 0775.62242号 ·doi:10.2307/2290340
[30] Tunnicliffe Wilson，G.，《关于时间序列模型估计中边际似然的使用》，《皇家统计学会杂志》，B，51，（1989），15-27。
[31] Wolfram，S.，《数学：用计算机做数学的系统》（Addison-Wesley Publishing Company，第二版，纽约，1993年）·Zbl 0671.65002号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不声称其完整性或完全匹配。