线性模型中M检验原假设分布的随机加权逼近

摘要：

在线性模型中M-方法可以用于线性假设检验,其中M检验、Wald检验和Rao的计分型检验是最常用的检验准则.但是在计算这些检验的临界值时都涉及到未知参数的估计.在本文中我们利用随机加权的方法来逼近这些检验的原假设分布.结果表明在原假设和局部对立假设之下随机加权统计量的渐近分布与原检验统计量在原假设之下的渐近分布相同.因此我们不需要对冗余参数进行估计,利用随机加权的方法就可以得到这些检验的临界值.而且在局部对立假设之下可以实现对功效的计算.当取不同的误差分布和不同的随机权时,我们对本文的方法进行了蒙特卡洛模拟.结果表明用随机加权方法来逼近原假设分布是非常精确的.

关键词：线性模型、局部对立假设、M-方法、蒙特卡洛、随机加权

所属期刊栏目：24

分类号：O212.1(概率论与数理统计)

资助基金：The research is partially supported by National Natural Science Foundation of China10471136;Ph.D. Program Foundation of Ministry of Education of China and Special Foundations of the Chinese Academy of Sciences and USTC

在线出版日期：2008-12-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：407-420