Pairwise distance-based heteroscedasticity test for regressions
报 告 人:: 蒋学军
报告地点:: 数学与统计学院四楼报告厅
报告时间:: 2018年04月03日星期二16:00-17:00

In this paper, we propose a new test for heteroscedasticity of nonlinear regression models using a nonparametric statistic based on pairwise distances between points in a sample. The statistic can be formulated as a U statistic such that U-statistic theory can be applied. Although the limiting null distribution of the statistic is complicated, we derive a computationally feasible approximation for it. The validity of the introduced bootstrap algorithm is proven. The test can detect any local alternatives that are different from the null at a nearly optimal rate in hypothesis testing. The convergence rate of this test statistic does not depend on the dimension of the covariates, which greatly alleviates the impact of the curse of dimensionality. We include three simulation studies and two real data examples to evaluate the performance of the test and to demonstrate its applications.

发 布 人:吴双 发布时间: 2018-04-03
蒋学军,南方科技大学数学系副研究员。2000年06月毕业于国防科技大学数学与系统科学系,2006年6月硕士毕业于云南大学统计系,2009年08月博士毕业于香港中文大学统计学系;2009年09月-2010年10月在香港中文大学从事博士后研究,2010-2013年任中南财经政法大学数理与金融统计系副教授&教研室主任,研究生导师。2013年07月加入南方科技大学,获国家自然科学基金,广东省自然科学基金(2项),深圳市科创委项目(2项)。现任中国现场统计学会-资源与环境分会,生存分析分会理事、广东省现场统计学会副秘书长、广东省本科金融学类教指委委员 。 蒋博士主要从事金融与计量经济统计、变量选择、高维数据降维,非参数回归及贝叶斯应用等研究工作。已在Statistica Sinica, Statistical Methods in Medical Research, Bayesian Analysis, Econometrics Journal, Structural Equation Modeling等统计学国际著名期刊上发表SCI&SSCI期刊论文30余篇。