復雜數據的bootstrap統(tǒng)計推斷及其應用

前言
符號表
第1章 引言
1．1 復雜數據及模型
1．1．1 Behrens-Fisher問題
1．1．2 異方差回歸模型
1．1．3 異方差的方差分析模型
1．1．4 生長曲線模型
1．1．5 Panel數據模型
1．1．6 高維數據模型
1．2 復雜數據模型的相關研究進展
1．2．1 統(tǒng)計推斷模式演化
1．2．2 分布推斷方法的發(fā)展
1．3 Bootstrap統(tǒng)計推斷
1．3．1 Bootstrap方法簡介
1．3．2 Bootstrap P值檢驗
1．3．3 Bootstrap置信區(qū)間
1．3．4 Bootstrap光滑方法
1．4 廣義推斷
1．4．1 廣義p值
1．4．2 廣義置信區(qū)間
第2章 Behrens-Fisher問題的bootstrap解
2．1 引言
2．2 Behrens-Fisher問題的參數bootstrap檢驗
2．2．1 均值相等性檢驗
2．2．2 模擬研究
2．3 兩個正態(tài)總體均值差的PB區(qū)間估計
2．4 多個正態(tài)總體共同均值的參數bootstrap推斷
2．4．1 引言
2．4．2 共同均值的推斷
2．4．3 隨機模擬研究
2．4．4 結論
第3章 異方差回歸模型中的bootstrap推斷
3．1 引言
3．2 比較異方差回歸模型的PB檢驗
3．3 異方差回歸模型共同系數的PB置信域
第4章 方差分析模型中bootstrap推斷
4．1 單向方差分析模型
4．1．1 引言
4．1．2 PB檢驗和ADF檢驗方法
4．1．3 數值結果
4．1．4 定理的證明
4．2 兩向方差分析模型（無交互效應）
4．2．1 引言
4．2．2 固定效應模型檢驗
4．2．3 第一類錯誤概率和勢函數性質
4．2．4 混合效應模型的檢驗
4．3 兩向方差分析模型（可能存在交互效應）
4．3．1 引言
4．3．2 交互效應的檢驗
4．3．3 主效應的檢驗
4．3．4 數值結果
4．4 兩因子套分類模型
4．4．1 引言
4．4．2 檢驗方法
4．4．3 因子A的效應檢驗
4．4．4 模擬研究
4．4．5 兩因子套設計模型隨機套效應檢驗
4．4．6 實例分析
4．5 三因子套分類模型
4．5．1 引言
4．5．2 三因子套設計中固定效應的檢驗
4．5．3 因子A和B的效應檢驗
4．5．4 模擬研究
4．5．5 三因子套設計中隨機套效應檢驗
4．5．6 一個實例
4．5．7 討論
第5章 多元方差分析模型中bootstrap推斷
5．1 單向MANOVA
5．1．1 模型及預備知識
5．1．2 PB檢驗
5．2 兩向MANOVA（無交互效應）
5．2．1 引言
5．2．2 固定效應模型檢驗
5．2．3 數值結果
5．2．4 多元混合效應模型的檢驗
5．3 兩向MANOVA（可能存在交互效應）
5．3．1 引言
5．3．2 檢驗方法
5．3．3 定理的證明
5．3．4 數值結果
5．4 多元套分類模型
5．4．1 引言
5．4．2 被嵌套效應的檢驗
5．4．3 嵌套效應的檢驗
5．4．4 Monte Carlo研究
第6章 混合效應模型和高維數據的bootstrap推斷
6．1 引言
6．2 簡單生長曲線模型中bootstrap推斷
6．2．1 引言
6．2．2 固定效應和方差分量的兩種推斷
6．2．3 覆蓋率和勢函數的計算算法
6．2．4 數值結果
6．2．5 實例分析
6．3 Panel數據模型中bootstrap推斷
6．3．1 引言
6．3．2 單向誤差分量回歸模型的推斷
6．3．3 覆蓋率和勢函數的算法
6．3．4 Monte Carlo模擬研究
6．3．5 實際數據例子
6．3．6 兩向誤差分量回歸模型
6．4 線性混合效應模型中EBLUP分布的PB近似
6．5 高維數據分析中的PB檢驗
6．5．1 資本資產定價模型
6．5．2 有效性假設
6．5．3 參數估計
6．5．4 PB檢驗方法
6．6 Bootstrap光滑與模型選擇
6．6．1 引言
6．6．2 非參數bootstrap光滑
6．6．3 基于模型選擇的模型平均
參考文獻