导读:本文包含了双截尾的模型论文开题报告文献综述及选题提纲参考文献，主要关键词:双截尾删失回归模型,随机加权方法,渐近性,冗余参数
双截尾的模型论文文献综述
王占锋,姚双双,吴耀华[1]（2018）在《双截尾Tobit模型中的随机加权逼近方法》一文中研究指出本文研究双截尾删失回归模型中参数的随机加权估计(RWE),获得了RWE的统计渐近性质,如相合性和渐近分布.本文证明了RWE在给定样本下的条件渐近分布与参数的最小绝对偏差(LAD)估计的渐近分布是一样的,则可以利用RWE的条件分布去逼近回归参数的LAD估计的分布,从而避免冗余参数的估计,如误差项的密度函数.另外,本文也提出了一个M检验统计量和随机加权M检验统计量(RWM)来检验参数的线性假设问题,建立了该检验的统计性质.数值模拟和实际数据分析结果表明所提方法是可行的.(本文来源于《中国科学:数学》期刊2018年07期）
姚双双[2]（2018）在《双截尾Tobit模型中的随机加权逼近方法》一文中研究指出在实际生活中,由于测量方法和测量工具的精度问题,当响应变量大于最大值或小于最小值时,我们便观测不到响应变量的真实值,此时,Tobit模型可以用来分析此类数据.本文研究了双截尾Tobit模型中的随机加权逼近方法,并得到了双截尾Tobit模型中参数的随机加权估计(RWE)及RWE的统计性质,如弱相合性和渐近分布.我们证明了在给定样本下的RWE和参数的最小绝对偏差(LAD)估计具有相同的渐近分布.因此,回归参数的LAD估计的分布可以通过RWE的条件分布去逼近,从而避免估计冗余参数,如误差项的密度函数.此外,我们还提出了一个M检验统计量和随机加权M检验统计量(RWM)来检验参数的线性假设问题,并给出了该检验的统计性质.数值例子,包括数值模拟和实际例子计算,说明了所提出的加权估计方法是可行的.(本文来源于《中国科学技术大学》期刊2018-05-29）
姜仁娜[3]（2004）在《一类双截尾模型的MCMC算法及证券的长记忆性分析》一文中研究指出Chib和Greenberg(1994)首次对非截尾的ARMA模型的参数估计提出了MCMC算法。在此之前,时间序列模型的参数估计方法主要集中在经典算法的使用,例如MLE方法,但对于复杂的时序模型,经典算法具有很大的局限性。MCMC算法与MLE方法相比,它避免了极值优化过程的复杂性和参数初值的选取问题,并且具有更好的稳定性。因此,MCMC算法已越来越受到统计界和计量经济界的广发重视。Nakatsuma, T. (2000a) 和Goldman, E.等 (2000b) 分别对ARMA模型和ARMA-GARCH模型做了MCMC算法研究,Goldman, E. 和 Tsurumi, S. (2001) 也使用MCMC算法对双截断的ARMA-GARCH模型进行了分析,结果都充分表明了MCMC算法的优越性。由于实际中的金融数据有时会受到一定的界限限制,例如各国的货币机构会对本国的汇率进行限制,因此研究截断模型具有很强的实际意义的。对于截断数据模型,如果采用的最小二乘法来估计参数,则容易忽略随机误差项实际上的异方差性,造成参数估计量的偏差。因此本文主要讨论用Metropolis-Hastings算法对双截尾的ARMA-GARCH-M模型进行参数估计。文中首先提出了双截尾的ARMA-GARCH-M模型,在详细的给出了其后验分布及参数的建议分布后,对此模型设计了M-H算法。作为算法的实际应用,我们做了模拟数据分析,并使用该算法对日元/美元汇率数据(1997.1.2-1998.12.31)的双截尾ARMA-GARCH-M模型的参数进行估计。论文的另一部分工作是讨论上证指数和深证成指的长记忆性问题,所采用的模型是研究长记忆性所常用的ARFIMA(p,d,q)模型,重点集中在对分整参数d的估计。文中使用Hurst指数方法估计参数d,分别用经典R/S方法、有偏修正R/S方法和无偏修正R/S方法进行研究,并结合国内的上指和深指的收益率数据,给出了叁种方法的结果。在此基础上,给出ARFIMA模型的最优阶和全部参数估计值,进一步得出了上证指数和深证成指收益率所适合的最优ARFIMA模型。(本文来源于《清华大学》期刊2004-06-01）
双截尾的模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在实际生活中,由于测量方法和测量工具的精度问题,当响应变量大于最大值或小于最小值时,我们便观测不到响应变量的真实值,此时,Tobit模型可以用来分析此类数据.本文研究了双截尾Tobit模型中的随机加权逼近方法,并得到了双截尾Tobit模型中参数的随机加权估计(RWE)及RWE的统计性质,如弱相合性和渐近分布.我们证明了在给定样本下的RWE和参数的最小绝对偏差(LAD)估计具有相同的渐近分布.因此,回归参数的LAD估计的分布可以通过RWE的条件分布去逼近,从而避免估计冗余参数,如误差项的密度函数.此外,我们还提出了一个M检验统计量和随机加权M检验统计量(RWM)来检验参数的线性假设问题,并给出了该检验的统计性质.数值例子,包括数值模拟和实际例子计算,说明了所提出的加权估计方法是可行的.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
双截尾的模型论文参考文献
[1].王占锋,姚双双,吴耀华.双截尾Tobit模型中的随机加权逼近方法[J].中国科学:数学.2018
[2].姚双双.双截尾Tobit模型中的随机加权逼近方法[D].中国科学技术大学.2018
[3].姜仁娜.一类双截尾模型的MCMC算法及证券的长记忆性分析[D].清华大学.2004