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MANOVA
5．1．1 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