复杂数据的bootstrap统计推断及其应用

前言符号表
第1章 引言1．1 复杂数据及模型1．1．1 Behrens-Fisher问题1．1．2 异方差回归模型1．1．3 异方差的方差分析模型1．1．4 生长曲线模型1．1．5 Panel数据模型1．1．6 高维数据模型1．2 复杂数据模型的相关研究进展1．2．1 统计推断模式演化1．2．2 分布推断方法的发展1．3 Bootstrap统计推断1．3．1 Bootstrap方法简介1．3．2 Bootstrap P值检验1．3．3 Bootstrap置信区间1．3．4 Bootstrap光滑方法1．4 广义推断1．4．1 广义p值1．4．2 广义置信区间第2章 Behrens-Fisher问题的bootstrap解2．1 引言2．2 Behrens-Fisher问题的参数bootstrap检验2．2．1 均值相等性检验2．2．2 模拟研究2．3 两个正态总体均值差的PB区间估计2．4 多个正态总体共同均值的参数bootstrap推断2．4．1 引言2．4．2 共同均值的推断2．4．3 随机模拟研究2．4．4 结论第3章 异方差回归模型中的bootstrap推断3．1 引言3．2 比较异方差回归模型的PB检验3．3 异方差回归模型共同系数的PB置信域
第4章 方差分析模型中bootstrap推断4．1 单向方差分析模型4．1．1 引言4．1．2 PB检验和ADF检验方法4．1．3 数值结果4．1．4 定理的证明4．2 两向方差分析模型（无交互效应）4．2．1 引言4．2．2 固定效应模型检验4．2．3 第一类错误概率和势函数性质4．2．4 混合效应模型的检验4．3 两向方差分析模型（可能存在交互效应）4．3．1 引言4．3．2 交互效应的检验4．3．3 主效应的检验4．3．4 数值结果4．4 两因子套分类模型4．4．1 引言4．4．2 检验方法4．4．3 因子A的效应检验4．4．4 模拟研究4．4．5 两因子套设计模型随机套效应检验4．4．6 实例分析4．5 三因子套分类模型4．5．1 引言4．5．2 三因子套设计中固定效应的检验4．5．3 因子A和B的效应检验4．5．4 模拟研究4．5．5 三因子套设计中随机套效应检验4．5．6 一个实例4．5．7 讨论第5章 多元方差分析模型中bootstrap推断5．1 单向MANOVA5．1．1 模型及预备知识5．1．2 PB检验5．2 两向MANOVA（无交互效应）5．2．1 引言5．2．2 固定效应模型检验5．2．3 数值结果5．2．4 多元混合效应模型的检验5．3 两向MANOVA（可能存在交互效应）5．3．1 引言5．3．2 检验方法5．3．3 定理的证明5．3．4 数值结果5．4 多元套分类模型5．4．1 引言5．4．2 被嵌套效应的检验5．4．3 嵌套效应的检验5．4．4 Monte Carlo研究第6章 混合效应模型和高维数据的bootstrap推断6．1 引言6．2 简单生长曲线模型中bootstrap推断6．2．1 引言6．2．2 固定效应和方差分量的两种推断6．2．3 覆盖率和势函数的计算算法6．2．4 数值结果6．2．5 实例分析6．3 Panel数据模型中bootstrap推断6．3．1 引言6．3．2 单向误差分量回归模型的推断6．3．3 覆盖率和势函数的算法6．3．4 Monte Carlo模拟研究6．3．5 实际数据例子6．3．6 两向误差分量回归模型6．4 线性混合效应模型中EBLUP分布的PB近似6．5 高维数据分析中的PB检验6．5．1 资本资产定价模型6．5．2 有效性假设6．5．3 参数估计6．5．4 PB检验方法6．6 Bootstrap光滑与模型选择6．6．1 引言6．6．2 非参数bootstrap光滑6．6．3 基于模型选择的模型平均参考文献